如何快速求图像的旋转角度 在线等

在平面上有很多相同的图（不重叠），但是旋转角度都不同，如何以其中一个图作为标准，算出其他凸显的旋转角度呢？
如图：
以左下角的图为参照，求其他图的旋转角度，图上标出的角度是我用软件刻意旋转的，目标就是要求出这些角度，允许误差可以较大。

18 个解决方案

#1

求最小外接矩形，再求矩形的旋转角度

#2

引用 1 楼 wqvbjhc 的回复:

求最小外接矩形，再求矩形的旋转角度

请问如何求呢？这个我想过，但是感觉没有比较快捷的方法

#3

还是自己解决了，在opencv中找到一个源码，成功移植给自己的程序了，表示鄙视自己，，

#4

opencv可以实现，明天我给你贴点代码上来

#5

如果背景单一，且前景与背景颜色差异大，用opencv现成函数即可

#6

opencv是个好东西啊！学到了！

#7

代码有的地方，还是稍微有点问题：：：

// FindRotation-angle.cpp : 定义控制台应用程序的入口点。
//

// findContours.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"



#include <iostream>
#include <vector>
#include <opencv2/opencv.hpp> 
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
//#include "highlight"
//#include "highgui.h"



#define PI 3.1415926

int main()
{
	// Read input binary image
	cv::Mat image = cv::imread("test.jpg",0);
	if (!image.data)
		return 0; 

	cv::namedWindow("Binary Image");
	cv::imshow("Binary Image",image);



	// 从文件中加载原图  
	   IplImage *pSrcImage = cvLoadImage("test.jpg", CV_LOAD_IMAGE_UNCHANGED);  
	  
		   // 转为2值图

	 cvThreshold(pSrcImage,pSrcImage,200,255,cv::THRESH_BINARY_INV);
		   

	   image = cv::Mat(pSrcImage,true);

	   cv::imwrite("binary.jpg",image);

	// Get the contours of the connected components
	std::vector<std::vector<cv::Point>> contours;
	cv::findContours(image, 
		contours, // a vector of contours 
		CV_RETR_EXTERNAL, // retrieve the external contours
		CV_CHAIN_APPROX_NONE); // retrieve all pixels of each contours

	// Print contours' length
	std::cout << "Contours: " << contours.size() << std::endl;
	std::vector<std::vector<cv::Point>>::const_iterator itContours= contours.begin();
	for ( ; itContours!=contours.end(); ++itContours) 
	{

		std::cout << "Size: " << itContours->size() << std::endl;
	}

	// draw black contours on white image
	cv::Mat result(image.size(),CV_8U,cv::Scalar(255));
	cv::drawContours(result,contours,
		-1, // draw all contours
		cv::Scalar(0), // in black
		2); // with a thickness of 2

	cv::namedWindow("Contours");
	cv::imshow("Contours",result);









	// Eliminate too short or too long contours
	int cmin= 100;  // minimum contour length
	int cmax= 1000; // maximum contour length
	std::vector<std::vector<cv::Point>>::const_iterator itc= contours.begin();
	while (itc!=contours.end()) {

		if (itc->size() < cmin || itc->size() > cmax)
			itc= contours.erase(itc);
		else 
			++itc;
	}

	// draw contours on the original image
	cv::Mat original= cv::imread("test.jpg");
	cv::drawContours(original,contours,
		-1, // draw all contours
		cv::Scalar(255,255,0), // in white
		2); // with a thickness of 2

	cv::namedWindow("Contours on Animals");
	cv::imshow("Contours on Animals",original);



	// Let's now draw black contours on white image
	result.setTo(cv::Scalar(255));
	cv::drawContours(result,contours,
		-1, // draw all contours
		cv::Scalar(0), // in black
		1); // with a thickness of 1
	image= cv::imread("binary.jpg",0);

	// testing the bounding box 
	cv::Rect r0= cv::boundingRect(cv::Mat(contours[0]));
	cv::rectangle(result,r0,cv::Scalar(0),2);



	// testing the enclosing circle 
	float radius;
	cv::Point2f center;
	cv::minEnclosingCircle(cv::Mat(contours[1]),center,radius);
	cv::circle(result,cv::Point(center),static_cast<int>(radius),cv::Scalar(0),2);

	//	cv::RotatedRect rrect= cv::fitEllipse(cv::Mat(contours[1]));
	//	cv::ellipse(result,rrect,cv::Scalar(0),2);

	// testing the approximate polygon
	std::vector<cv::Point> poly;
	cv::approxPolyDP(cv::Mat(contours[2]),poly,5,true);

	std::cout << "Polygon size: " << poly.size() << std::endl;

	// Iterate over each segment and draw it
	std::vector<cv::Point>::const_iterator itp= poly.begin();
	while (itp!=(poly.end()-1)) {
		cv::line(result,*itp,*(itp+1),cv::Scalar(0),2);
		++itp;
	}
	// last point linked to first point
	cv::line(result,*(poly.begin()),*(poly.end()-1),cv::Scalar(20),2);

	// testing the convex hull
	std::vector<cv::Point> hull;
	cv::convexHull(cv::Mat(contours[3]),hull);

	// Iterate over each segment and draw it
	std::vector<cv::Point>::const_iterator it= hull.begin();
	while (it!=(hull.end()-1)) {
		cv::line(result,*it,*(it+1),cv::Scalar(0),2);
		++it;
	}
	// last point linked to first point
	cv::line(result,*(hull.begin()),*(hull.end()-1),cv::Scalar(20),2);

	// testing the moments

	// iterate over all contours
	itc= contours.begin();
	while (itc!=contours.end()) {

		// compute all moments
		cv::Moments mom= cv::moments(cv::Mat(*itc++));

		// draw mass center
		cv::circle(result,
			// position of mass center converted to integer
			cv::Point(mom.m10/mom.m00,mom.m01/mom.m00),
			2,cv::Scalar(0),2); // draw black dot
	}

	cv::namedWindow("Some Shape descriptors");
	cv::imshow("Some Shape descriptors",result);


	CvBox2D     End_Rage2D;

	CvMemStorage *storage = cvCreateMemStorage(0);  //开辟内存空间


	CvSeq*      contour = NULL;     //CvSeq类型 存放检测到的图像轮廓边缘所有的像素值，坐标值特征的结构体以链表形式

	cvFindContours( pSrcImage, storage, &contour, sizeof(CvContour),CV_RETR_CCOMP, CV_CHAIN_APPROX_NONE);//这函数可选参数还有不少



	for(; contour; contour = contour->h_next)   //如果contour不为空，表示找到一个以上轮廓，这样写法只显示一个轮廓
		//如改为for(; contour; contour = contour->h_next) 就可以同时显示多个轮廓
	{  

		End_Rage2D = cvMinAreaRect2(contour);    //代入cvMinAreaRect2这个函数得到最小包围矩形  这里已得出被测物体的角度，宽度,高度，和中点坐标点存放在CvBox2D类型的结构体中，主要工作基本结束。

	std::cout <<" angle:\n"<<(float)End_Rage2D.angle << std::endl;      //被测物体旋转角度 

	}
	cv::waitKey();
	return 0;


}

#8

一般，图像处理是逃不过opencv

#9

LZ用的是取轮廓方法，我个人认为用特征点的方法更好一些，取几个特征点，如顶点，然后计算旋转，高效、准确、简单。

#10

引用 9 楼 hhhh63 的回复:

LZ用的是取轮廓方法，我个人认为用特征点的方法更好一些，取几个特征点，如顶点，然后计算旋转，高效、准确、简单。

但在图中如何去找那些特征点呢？

#11

引用 4 楼 wangyaninglm 的回复:

opencv可以实现，明天我给你贴点代码上来

请问你这个可以处理那种处在边缘的图像么？ 比如
最下面的那个

#12

其实这只是测试图片而已，但实际上可能不能用二值化的方法提取边缘，可能会出现不完整的边缘，就不能处理了...
自己写的算法效果，最后一个数字为旋转角度，0度的那个为基准 

#13

引用 10 楼 sfstream6 的回复:

但在图中如何去找那些特征点呢？

【OpenCV学习】角点检测 
http://www.cnblogs.com/gnuhpc/archive/2012/10/13/2722876.html

#14

引用 13 楼 hhhh63 的回复:

Quote: 引用 10 楼 sfstream6 的回复:

但在图中如何去找那些特征点呢？

【OpenCV学习】角点检测 
http://www.cnblogs.com/gnuhpc/archive/2012/10/13/2722876.html

感谢

#15

引用 11 楼 sfstream6 的回复:

Quote: 引用 4 楼 wangyaninglm 的回复:

opencv可以实现，明天我给你贴点代码上来

请问你这个可以处理那种处在边缘的图像么？ 比如
最下面的那个

轮廓可以检测，出来，但是这个解决方案应该有点问题，不能基于轮廓，代码 是有问题的
应该按照12楼说的基于特征点的！

#16

引用 15 楼 wangyaninglm 的回复:

Quote: 引用 11 楼 sfstream6 的回复:

Quote: 引用 4 楼 wangyaninglm 的回复:

opencv可以实现，明天我给你贴点代码上来

请问你这个可以处理那种处在边缘的图像么？ 比如
最下面的那个

轮廓可以检测，出来，但是这个解决方案应该有点问题，不能基于轮廓，代码 是有问题的
应该按照12楼说的基于特征点的！


感觉不行额

#17

引用 16 楼 sfstream6 的回复:

Quote: 引用 15 楼 wangyaninglm 的回复:

Quote: 引用 11 楼 sfstream6 的回复:

Quote: 引用 4 楼 wangyaninglm 的回复:

opencv可以实现，明天我给你贴点代码上来

请问你这个可以处理那种处在边缘的图像么？ 比如
最下面的那个

轮廓可以检测，出来，但是这个解决方案应该有点问题，不能基于轮廓，代码 是有问题的
应该按照12楼说的基于特征点的！


感觉不行额

你把代码贴上了叫人，看看么，人家四个点，画包围矩形，你这个是什么。。。

#18

楼主，把程序贴出来让我们看看吧，学习学习