最适合矩形的算法

Question

我正在编写一个根据图片测量方框的应用程序。操作后的示例图片如下所示:

我的应用程序已识别出作为框一部分的像素并将颜色更改为红色。您可以看到图像非常嘈杂，因此在矩形上创建了非常粗糙的边缘。

我一直在阅读有关边缘/角点检测算法的资料，但在我研究其中一种算法之前，我想退后一步，看看是否真的有必要使用这种复杂的算法。考虑到我有一些可以简化事情的条件，似乎有一种更简单的方法可以解决这个问题:

• 图像仅包含一个矩形，不包含任何其他形状。
• 每张图片只有 1 个矩形。
• 我不需要精确，但我希望尽可能达到最佳效果。

我的第一个简单算法涉及找到最顶部、最底部、最左侧和最右侧的点。那是4个角。这工作正常，但对于像这样的嘈杂边缘并不是非常准确。很容易发现一个更好的点作为角。

谁能指出我的算法？

Answer 1

您已经确定了您感兴趣的图像区域(红色区域)。

• 使用相同的逻辑，您应该能够对图像进行二值化处理。假设红色区域会导致白色像素，其余区域为黑色。
• 然后使用轮廓追踪算法追踪白色区域的外部轮廓。
• 现在您有一个表示该区域外部轮廓的点集。
• 找到限制此点集的最小面积矩形。

您可以使用 OpenCV 库轻松完成此操作。如果您打算使用 OpenCV，请查看 threshold、findContours 和 minAreaRect。希望这些信息有所帮助。