opencv:在矩形检测中使用轮廓和Hough变换

时间:2015-05-06 16:28:12

标签: c++ opencv image-processing hough-transform opencv-contour

我试图使用不同的方法检测灰度图像中的白色矩形:轮廓检测和Hough变换。不幸的是,我正在处理的图像有一些限制,即

  1. 图片中有许多功能,矩形不是唯一的功能
  2. 矩形可以合并到其他要素(例如,其中一个矩形边可以与长直线重叠)
  3. 矩形可能包含一些其他功能(例如字母,数字或矩形内的某些徽标)
  4. 有些特征看起来像矩形(例如,字符“D”看起来像一个矩形,右上角和右下角有一个小弧形;另一个例子是梯形而不是平行四边形)
  5. 矩形可以顺时针和逆时针旋转0到15度
  6. 有可能在不同的光照条件下(例如1像素间隙)将线条分成几行,因此过滤线条的最小线条长度必须很小(例如在Hough变换中)
  7. 当最小行长度设置为较小值时,更常见的是在不同方向上看到同一行的重复行(即需要组合多行)
  8. 对于contonours方法,一些图像的轮廓被打破。此外,图像可以包含诸如矩形之类的特征(例如字符“D”)。我不确定这是不是一个好方法。

    我见过许多文章/论坛建议使用Hough变换检测矩形,如下面的帖子。不幸的是,我必须设置最小行长度的小值,并看到重复的行。我不知道如何处理上面提到的要点(例如,组合所有重复的行并为每个边选择一行,如何区分大多数部分的特征是线但是像'D'那样的小弧,以及如何隔离正方形,其中一条边与一条长直线合并,等等。)

    Hough transformation vs Contour detection for Rectangle recognition with perspective projection

    欢迎任何建议!

    编辑:添加一些图片

    Character D

    角色D

    Rect edge merged with long straight line

    带徽标的矩形和边缘与长直线合并

    enter image description here

    梯形(顶部有阴影,底部形成梯形)

1 个答案:

答案 0 :(得分:1)

我建议您尝试在每个图像上使用binary threshold(自适应或其他),这将为您的轮廓检测提供一些清晰的线条。您还可以erode/dilate图像去除噪点(例如第二张图片中的细线)

然后使用轮廓检测​​,并计算轮廓,找到图像中具有四个边的最大物体(这可能是您的对象)。

在使用二进制/侵蚀之前复制图像,这样一旦从轮廓检测中获得了感兴趣的区域,就可以将复制图像裁剪到该区域。

道歉示例链接是用python编写的,但我相信一旦你明白了,将它移植到C ++就很容易了。

希望这有帮助。

修改

我自己通过对每个图像进行阈值处理,轮廓检测,然后围绕最大的轮廓线绘制一个边界框来尝试上述方法。

下面看到结果:

enter image description here

围绕最大轮廓线的边界框

enter image description here

同样,绘制在原始图像上

enter image description here