Trabajar con Contornos

Después de reducir y eliminar el ruido con operaciones morfológicas, ahora está listo para usar el método findContours de OpenCV. Este método le permite generar contornos basados en tu imagen binaria.

Encontrar y filtrar Contornos

PY

_, contours, _ = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

In cases where there is only one vision target, you can just take the largest contour and assume that is the target you are looking for. When there is more than one vision target, you can use size, shape, fullness, and other properties to filter unwanted contours out.

PY

if len(contours) > 0:
   largest = contours[0]
   for contour in contours:
      if cv2.contourArea(contour) > cv2.contourArea(largest):
         largest = contour
   #
   # Contour processing code
   #

Si dibuja el contorno que acaba de encontrar, debería verse más o menos así:

Retroreflective tape outlined in red by the image processing algorithm.

Extracción de información de Contornos

Ahora que ha encontrado los contorno(s) que desea, ahora desea obtener información sobre estos como el centro, las esquinas y la rotación.

Centro

PY

rect = cv2.minAreaRect(contour)
center, _, _ = rect
center_x, center_y = center

Esquinas

PY

corners = cv2.convexHull(contour)
corners = cv2.approxPolyDP(corners, 0.1 * cv2.arcLength(contour), True)

Rotación

PY

_, _, rotation = cv2.fitEllipse(contour)

Para obtener más información sobre cómo puede usar estos valores, consulte Medidas

Publicar a NetworkTables

Puede usar NetworkTables para enviar estas propiedades a la Driver Station y RoboRIO. Se podría realizar un procesamiento adicional en la Raspberry Pi o en el propio RoboRIO.

PY

import ntcore
nt = ntcore.NetworkTableInstance.getDefault().getTable('vision')
#
# Initialization code here
#
while True:
   #
   # Image processing code here
   #
   nt.putNumber('center_x', center_x)
   nt.putNumber('center_y', center_y)