opencv：在矩形检测中使用轮廓和Hough变换

Question

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）

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



角色D



带徽标的矩形和边缘与长直线合并



梯形（顶部有阴影，底部形成梯形）

Answer 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：

围绕最大轮廓线的边界框

同样，绘制在原始图像上