如何检测图片中的物体是否倾斜？

图像背景比较复杂

track

把正和斜的图片放在两个类中，用深度学习的方法来训练。

应该可以，对照对象是中间那条铁条。

如果图像都是这样的话阈值分割找到黑色的左右边界坐标，然后判断最上面的点和最下面的点x轴的差异

目前我已经试过阈值分割加直线检测的方式计算倾斜但是效果并不是很好没法准确定位黑色边界

关于深度学习方式效果也不是很好很难区分角度倾斜比较小的物体

有没有彩色的，这两个不好分也。

斜的，分成这样：

加 contour：

现在是怎么找角。

你们认为只是找左上和左下够不够？拉一条线。

现在好多了，求四点。

怎么计算角度？

忘了，拿本中学数学看看。

左上 1，左中 2，左下3，右中 4

tan A = m （坡度）= (y2 - y1) / (x2 - x1)

线13坡度： m13 = (y3 - y1) / (x3 - x1) = (p3[1] - p1[1]) / (p3[0] - p1[0])，

线24坡度： m24 = (y4 - y2) / (x4 -x2) = (p4[1] - p2[1]) / (p4[0] - p2[0])，

两线夹角Z：tan Z = | (m2 - m1) / ( 1+m1m2) |

两线夹角：tanZ = abs( (m24 - m13) / (1 + m24*m13) )

def getAngle(p1, p2, p3, p4):
    m13 = (p3[1] - p1[1]) / (p3[0] - p1[0])
    m24 = (p4[1] - p2[1]) / (p4[0] - p2[0])
    tanZ = abs( (m24 - m13) / (1 + m24*m13) )
    return math.atan(tanZ)

答案错误。atan 没用。

忘了加 degrees：return math.degrees( math.atan(tanZ) )

夹角是： 86.22345547864316 < 90，偏约 3.78 度。

    text = None
    if abs(angleZ - 90) > 2:
        text = "垂直： 否"
        img = cv2ImgAddText(img, text, 40, 920, (255, 255, 0), 60)
    else:
        text = "垂直： 是"
        img = cv2ImgAddText(img, text, 140, 60, (255, 255, 0), 30)

差两度合适吗？

两副图尺寸为什么不一样？

调了一下，两幅图都可以测。Thresh 值是 30。斜的那个变成缺腿的。

请问在检测到边缘之后，图中标注的那些点是怎么得到的？

还有请问这个阈值30是如何得到的

_, thresh = cv2.threshold(gray, trackbar_val, 255, cv2.THRESH_BINARY_INV)

trackbar 你应该会了。

contour:

cnts, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

面积：

area = cv2.contourArea(cnt)

保大的，不要小的。

交叉点：

approx = cv2.approxPolyDP(cnt, 0.009 * cv2.arcLength(cnt, True), True)
n = approx.ravel()
i = 0

for j in n:
    if i % 2 == 0:
        x = n[i]
        y = n[i + 1]

x 和 y 都有了。

track

trackbar 文章： https://editor.csdn.net/md/?articleId=113362767

发错了，这个你才能看： https://blog.csdn.net/fly_bear_unknown/article/details/113362767

这是上一集：https://blog.csdn.net/fly_bear_unknown/article/details/112265085

请点评点评，谈谈那里可以搞笑的地方。