在bw图像上检测物体的形状。物体是黑色连续形状，背景是白色。 我们使用PCA（http://docs.opencv.org/3.1.0/d1/dee/tutorial_introduction_to_pca.html）来获取对象方向并对齐对象。目前，形状本身（轮廓上的点）是opencv PCA实现的输入。这通常很有效。但物体边界上不时有小污垢，导致形状绕过污垢。这会在一侧产生更多的点和更多的重量，稍微转动物体。
想法：我们使用对象的区域作为PCA分析的输入，而不是轮廓。那里的问题，检查所有点是否在轮廓内，然后将它们用于PCA会减慢应用程序的速度。这部分将慢大约52352倍。
新方法：我们在图像中采用随机点，检查它们是否在形状内，如果是，请将它们用于我们的PCA。我们必须看看我们是否能够从这种方法中获得所需的一致质量。
在opencv中是否已经有类似的实现使用区域而不是形状？ 另一种方法是在对象上放置一个网格，并使用对象内部的网格点进行PCA。 是否已经可以使用类似的东西，或者很快就需要实现这样的东西？
在对象周围寻找直线不是一种选择。
答案 0 :(得分：2)
鉴于我们收到的关于您的问题的信息非常有限（发布图片会有很多帮助），而您似乎并不知道噪声的概率密度函数，您最好的选择是将噪声视为高斯噪声。 / p>
因此，并且遵循你的直觉，我建议的方法是采取一些（通过一些我的意思是统计相关但不会提高计算时间那么多）随机点位于对象内部并计算PCA。
在迭代循环中重复此过程，并将从PCA应用程序获得的旋转角度存储到对象形状。
一旦你有足够的点就停止，计算旋转角度的平均值：这是对真实角度的合理估计。计算标准偏差以衡量您的估计质量。通过＆＃34;足够的分数＆＃34;你可以认为~30分通常被认为是足够的＆＃34;根据中心极限定理来代表基础人口。
如果您愿意，可以通过多种方式改进此方法，例如，一旦收集到足够的点，就可以对真实角度进行稳健估计。这一切都取决于你手边的数据......把我的建议作为一个起点。
答案 1 :(得分：1)
您可以更改几个参数，这些参数可能会改善您的系统。
首先是用于对图像进行二值化的阈值。我不知道您的应用程序是什么，但您可以使用其他颜色系统，或通过cromacity标准化您的图像，然后应用新的阈值。
其他方面是排除具有您所期望的更大或更小面积的形状（轮廓）。
要相加，您可以在检测轮廓之前使用模糊滤镜。
答案 2 :(得分：1)
我不知道噪音是怎么看的，但是当你说“小污垢”时，我认为它可能只有几个像素比它自身的物体小很多，但它可能附着在物体上。为了减少这种噪声，可以在二值图像上执行开口（形态学）。
http://docs.opencv.org/2.4/doc/tutorials/imgproc/opening_closing_hats/opening_closing_hats.html