OPENCV几何中心距判断十字路口并给出案例代码

下面是使用 OpenCV 进行几何中心距判断十字路口的示例代码：

import cv2
import numpy as np

# 加载图片
img = cv2.imread('crossroad.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行 Canny 边缘检测
edges = cv2.Canny(gray, 50, 150)

# 进行霍夫直线变换
lines = cv2.HoughLinesP(edges, 1, np.pi/180, 100, minLineLength=100, maxLineGap=10)

# 绘制直线
for line in lines:
    x1, y1, x2, y2 = line[0]
    cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)

# 找到轮廓
_, contours, _ = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 计算轮廓的重心
for contour in contours:
    M = cv2.moments(contour)
    if M["m00"] != 0:
        cx = int(M["m10"] / M["m00"])
        cy = int(M["m01"] / M["m00"])
        cv2.circle(img, (cx, cy), 5, (0, 255, 0), -1)

        # 计算直线与轮廓重心的距离
        for line in lines:
            x1, y1, x2, y2 = line[0]
            dist = cv2.pointPolygonTest(contour, (cx, cy), True)
            if abs(dist) < 50 and (abs(x1 - x2) < 10 or abs(y1 - y2) < 10):
                cv2.line(img, (x1, y1), (x2, y2), (0, 255, 0), 2)

# 显示结果
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们首先加载了一张包含十字路口的图片。然后，我们将图片转换为灰度图像，并使用 Canny 边缘检测算法进行边缘检测。接着，我们使用霍夫直线变换算法检测直线，并绘制这些直线。然后，我们使用轮廓检测算法找到轮廓，并计算轮廓的重心。最后，我们计算每条直线与轮廓重心的距离，如果距离比较接近，且直线方向为水平或垂直，则将其绘制出来。

运行代码后，应该可以看到原始图片和绘制出来的直线。如果图片中有十字路口，那么程序应该可以将其检测出来并绘制出来。