用透视投影进行矩形识别的Hough变换与Contour检测

Question

我使用轮廓检测​​进行矩形检测，并在调整透视投影之前使用OpenCv应用多边形以获取矩形的位置。它工作得很好。但是我小组中的一些人建议转换Hough。我想知道使用Hough变换进行矩形检测是否有任何优势。

更新：我尝试了这两种方法。在我的例子中，两种方法在Canny边缘检测后都能正常工作。但是由于霍夫变换产生线，我们必须假设几行，例如线的长度和线的可连接性，并且应该进行额外的计算，例如搜索连接的线并从连接的线找到角点。就个人而言，我更喜欢轮廓法，因为它的概念更简单。使用该方法，您只需搜索可以使用具有4个角的闭合和凸多边形近似的轮廓，并调整多边形的透视投影。就是这样。

Answer 1

到目前为止，您使用轮廓检测​​得到了什么样的结果？有什么例子吗？

Hough变换应该适用于矩形检测IFF，您可以假设矩形的边是图像中最突出的线。 然后你可以简单地检测霍夫空间中的4个最大峰值，然后得到你的矩形。

例如，在深色背景前面有一张白纸的照片。

理想情况下，您可以使用模糊，阈值，形态运算符预处理图像，以便在霍夫变换之前删除任何小规模结构。

如果图像中有多个较小的矩形或其他种类的突出线，轮廓检测可能是更好的选择。

霍夫的一些一般优势从头顶转变：

• 如果矩形的一部分被遮挡或超出框架，则Hough变换仍然可以工作。
• Hough变换应该比轮廓检测更快，我猜？
• 霍夫变换会忽略任何不是直线的东西，因此您可能会在杂乱的图像上取得更大的成功。 （如果矩形边是最突出的线）

最后，它可能取决于输入数据。有什么例子吗？

也许联合方法最好？看到 Combining Hough Transform and Contour Algorithm for detecting Vehicles License-Plates

我做了一些使用霍夫变换检测矩形的实验，你可以在这里看到一些初步结果： http://www.imagemagick.org/discourse-server/viewtopic.php?f=1&t=14491&start=9

不幸的是，目前存在的一切，该项目目前处于中断状态，最终我希望在我不太忙的时候恢复它。

我对你的结果非常感兴趣。

（如果您正在进行透视校正，请查看proportions of a perspective-deformed rectangle）

Answer 2

用霍夫变换搜索轮廓检测让我想到了这个。

为了帮助未来的搜索者，这篇博文有一个很好的演练，用opencv做到这一点：
http://opencv-code.com/tutorials/automatic-perspective-correction-for-quadrilateral-objects/

概念：
1.获取边缘图 - canny，sobel
2.用霍夫变换检测线 3.通过查找线之间的交叉点来获取角点 4.检查近似多边形曲线是否有4个顶点 approxPolyDP
5.确定左上角，左下角，右上角和右下角 6.使用 getPerspectiveTransform 应用透视变换以获取变换矩阵，并使用 warpPerspective 来应用变换。