如何利用Opencv3.3和Pyhton2.7识别图像中的迷宫

Question

嘿，我用Opencv3.3和Pyhton2.7来识别图像中的迷宫。我必须在图像中找到迷宫的最外面的极限。我试着关闭迷宫的入口和出口缝隙，找到最外面的形状。我在this上工作以弥补空白，但这对我的问题是无用的，因为我需要这些空白来解决迷宫。

这是原图

​

​

我想找到迷宫最外面的极限。

这就是我想要的

​

​

如何提取最外层轮廓？

Answer 1

我会用numpy而不是OpenCV来实现这一点，但是两者是兼容的，所以无论如何都可以进行混合和匹配，或者，一旦您了解了我是如何处理它的，就可以将这种技术应用于OpenCV。

该策略是将每一行的所有像素相加，并生成一个像素宽的图像(如下图所示)，即每一行中所有像素的总和。然后，我在该列中找到最大值，除以它，将一切正常化到0..100范围。现在，在这个单一像素宽的图像中，任何小于30个像素的像素都意味着相应的行在原始图像中的白色像素小于30%，也就是说，它基本上是黑色的。

然后，对所有列进行相同的求和，以生成列和--在下面的图像底部显示：

​

​

我认为有些人把这种技术称为“投影”，如果你想谷歌的话。

因此，代码看起来如下：

#!/usr/local/bin/python3

import numpy as np
from PIL import Image

# Load image - you can use OpenCV "imread()" just the same and convert to grayscale
im = np.array(Image.open('maze.jpg').convert('L'))

# Get height and width
h,w = im.shape[0:2]

# Make a single pixel wide column, same height as image to store row sums in
rowsums=np.empty((h))      
# Sum all pixels in each row
np.sum(im,axis=1,out=rowsums)        
# Normalize to range 0..100, if rowsum[i] < 30 that means fewer than 30% of the pixels in row i are white
rowsums /= np.max(rowsums)/100      

# Find first and last row that is largely black
first = last = -1
for r in range(h):
    if first < 0 and rowsums[r] < 30:
        first = r
    if rowsums[r] < 30:
        last = r

print(first,last)

# Make a single pixel tall row, same width as image to store col sums in
colsums=np.empty((w))      
# Sum all pixels in each col
np.sum(im,axis=0,out=colsums)        
# Normalize to range 0..100, if colsum[i] < 30 that means fewer than 30% of the pixels in col i are white
colsums /= np.max(colsums)/100      

# Find first and last col that is largely black
first = last = -1
for c in range(w):
    if first < 0 and colsums[c] < 30:
        first = c
    if colsums[c] < 30:
        last = c

print(first,last)

产出：

62 890
36 1509

迷宫的顶部是第62行，下面的是第890行。迷宫的左列是36列，最右边的列是col 1509。

如果我用一个80%的透明红色矩形来匹配这些位置，我会得到：

​

​