官方微网站吗,做网站网站建设专业公司哪家好,网站建设销售话术900句,网页ui设计是什么某城市会展中心室内地图背景一名室内设计师的日常工作从设计一张会展地图开始。常常有这样的场景#xff1a;划分除规范的展位后#xff0c;进入销售阶段#xff0c;频繁的需要修改这张地图#xff0c;如展示拆分、合并、换位置、标记已交易。问题从上图中标记色块的是有…某城市会展中心室内地图背景一名室内设计师的日常工作从设计一张会展地图开始。常常有这样的场景划分除规范的展位后进入销售阶段频繁的需要修改这张地图如展示拆分、合并、换位置、标记已交易。问题从上图中标记色块的是有效展位经过设计师设计确定了坐标、尺寸、编号(不重要)。需要解决的是从图片中提取出色块的精确位置和尺寸然后通过html5展示到页面上后续修改操作(合并、拆分等)完全通过页面在完成。提取矩形顶点坐标矩形的检测主要是提取边缘图中色块部分明显有别于周围颜色(指灰度)我们可以将图片灰度将展位部分与过道部分明显的分别开对后续做边缘计算就非常有帮助。检测矩形并提取坐标需要对图像进行预处理、边缘检测、提取轮廓、检测凸包(或者最小矩形)、顶点获取。图片预处理由于图片的特性只要做转灰度、中值滤波img cv2.imread(url)# 灰度图滤波gray cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)gray cv2.medianBlur(gray, 15)处理后的图片如下处理后的图片边缘检测# 边缘CANNY_THRESH_1 90CANNY_THRESH_2 120edges cv2.Canny(gray, CANNY_THRESH_1, CANNY_THRESH_2)edges cv2.dilate(edges, None, iterations3)edges cv2.erode(edges, None, iterations1)边缘特征比较明显不同的图片系数差别不大。当前系数效果可以使用。更细的参数没有调整。另外做了一些放大和腐蚀把不需要的一些小的文字区域过滤掉了。方便过滤不需要的轮廓。提取轮廓# 查找轮廓contours, _ cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 显示所有轮廓mask np.zeros(img.shape)for c in contours: # 过滤小面积 if (cv2.contourArea(c) scale ** 2): continue cv2.drawContours(mask, [c], 0, (0, 0, 255))cv2.imshow(contours, mask)关于函数findContours介绍可以参考https://www.cnblogs.com/yiyi20120822/p/11506970.html提取到的轮廓提取到的轮廓基本完整属于规则的圆角矩形。上图因为弹窗渲染问题显示不全其实红色的框是一个非常漂亮地闭合矩形。这里更具不同参数可提取不同的轮廓这里我只去了最外层。另外我需要的是规则矩形因此不需要额外的寻找凸包-提取顶点。用一个比较单间的最小包围矩形就能得到想要的结果。提取矩形获取顶点rect cv2.minAreaRect(cnt)box cv2.boxPoints(rect)box np.int0(box)# 打印box的结果每一组四个point顺时针显示# 第一个矩形[[5350 4899] [5350 4784] [5791 4784] [5791 4899]]# 第二个矩形[[4804 4900] [4804 4785] [5247 4785] [5247 4900]]# ……结束截止到这里已经得到了需要的基础数据信息。根据坐标信息即可把展位还原到页面上。完整代码附上#!/usr/bin/python3# coding:utf-8# description: 标记地图的色块位置# user: arik# time: 2020/1/3 10:45import cv2import numpy as npimport log### url: 图片地址# scale: 图片比例例如 3m100px3m是图片的基本单元尺寸# #def get_rectangle(url, scale100): img cv2.imread(url) # 灰度图滤波 gray cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) gray cv2.medianBlur(gray, 15) # cv2.imshow(line, gray) # 边缘 CANNY_THRESH_1 90 CANNY_THRESH_2 120 edges cv2.Canny(gray, CANNY_THRESH_1, CANNY_THRESH_2) edges cv2.dilate(edges, None, iterations3) edges cv2.erode(edges, None, iterations1) # 查找轮廓 contours, _ cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) json_res [] # mask np.zeros(img.shape) for c in contours: # 过滤小面积 if (cv2.contourArea(c) scale ** 2): continue rect cv2.minAreaRect(c) box cv2.boxPoints(rect) box np.int0(box) # cv2.drawContours(mask, [c], 0, (0, 0, 255)) box key_point_2_array(box) json_res.append(box) # 输出到文件 log.json_log(json_res) # 显示图片 # cv2.imshow(line, mask)### point转数组# #def key_point_2_array(box): res [] for p in box: res.append([p[0], p[1]]) return resif __name__ __main__: get_rectangle(images/origin/map1.jpg, 100) # cv2.waitKey(0) # cv2.destroyAllWindows()下一篇文章补充页面还原问题。
