形状分析,以区分矩形与其他形状

时间:2016-04-28 23:05:20

标签: python opencv contour shapes rectangles

我一直在尝试使用二进制图像执行形状分析以区分矩形对象和非矩形对象(例如半圆)

一些可能的例子

矩形

enter image description here enter image description here

非矩形

enter image description here enter image description here

我的算法的工作原理如下:

  1. 使用等高线提取对象蒙版 - openCV(如上例所示)
  2. 执行形状分析或计算统计数据以检测对象是否为矩形
  3. 到目前为止,我已尝试过偏心和矩形度量。

    例如:理想情况下,矩形仅对于矩形应为高。在我的实验中,我有时会得到类似矩形的矩形或圆形物体。因此,我不能将此度量用于分析,因为它不可靠

    同样的问题发生在偏心。理想情况下,圆的偏心率为零,对于矩形物体,它应该非常高。但事实证明,矩形或圆形非常相似

    是否可以使用任何几何信息判断对象是否大致为矩形?

    任何帮助都将非常感激

1 个答案:

答案 0 :(得分:2)

我认为您可以使用approxPolyDP。我用C ++给你程序,我认为在python中翻译很容易。想法是寻找具有近似实际轮廓的四个角的形状,然后计算四个角度(角落角度)。当轮廓点数大于4时,新轮廓与实际轮廓之间的误差增大。 当你认为它不是矩形时,你必须选择一个阈值角度(90 +/- x°)。 (抱歉英文不好)

#include "opencv2/opencv.hpp"
#include <iostream>

using namespace cv;
using namespace std;


int main(int argc, char **argv)
{
vector<String> fileName;
fileName.push_back("2nrTo.jpg");
fileName.push_back("G3I4t.jpg");
fileName.push_back("Q4ZtM.jpg");
fileName.push_back("vWgKx.jpg");
for (int i = 0; i < static_cast<int>(fileName.size()); i++)
{
    Mat mThresh;
    Mat m=imread(fileName[i],CV_LOAD_IMAGE_GRAYSCALE);
    Mat mc;
    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;
    threshold(m,mThresh,80,255,THRESH_BINARY);
    findContours(mThresh,contours,hierarchy, cv::RETR_CCOMP, cv::CHAIN_APPROX_NONE, cv::Point(0,0));
    cout << "Image " << fileName[i] << "\n";
    imshow(fileName[i],m);
    mc = Mat::zeros(m.size(),CV_8UC3);
    drawContours(mc,contours,0,Scalar(255,0,0),1);
    vector<Point> approx;
    double d=0;
    do
    {
        d=d+1;
        approxPolyDP(contours[0],approx,d,true);
    }
    while (approx.size()>4);
    cout << "#vertices =" <<approx.size() << "\t error max= " <<d<<endl;
    if (approx.size() == 4)
    {
        cout << "Angles\n";
        Point2d u(approx[1]-approx[0]),v(approx[2]-approx[1]),w(approx[3]-approx[2]),x(approx[3]-approx[0]);
        cout<<acos(u.dot(v) / norm(u) / norm(v))<<"\n";
        cout<<acos(v.dot(w) / norm(v) / norm(w))<<"\n";
        cout<<acos(w.dot(x) / norm(w) / norm(x))<<"\n";
        cout<<acos(x.dot(u) / norm(x) / norm(u))<<"\n";

    }
    else
        cout << "looks like a triangle\n";
    contours.push_back(approx);
    drawContours(mc,contours,contours.size()-1,Scalar(0,0,255),1);
    imshow("Ctr",mc);
    waitKey();
}

return 0;
}

使用之前的图像程序可以得到结果:

Image 2nrTo.jpg
#vertices =4     error max= 17
Angles
93.3283
90.2247
90
93.553
Image G3I4t.jpg
#vertices =4     error max= 15
Angles
112.503
46.3837
110.346
48.5412
Image Q4ZtM.jpg
#vertices =4     error max= 6
Angles
88.9191
90.0297
88.9488
90
Image vWgKx.jpg
#vertices =4     error max= 49
Angles
87.0753
117.999
90.3148
114.76