c++ - 尝试使用查找轮廓检测矩形

Question

我正在尝试使用查找轮廓来检测矩形，但我没有从下图中获得任何轮廓。

我无法检测到图像中的任何轮廓。下图是不是发现轮廓不好，还是我应该使用霍夫变换。

更新:我更新了源代码以使用近似多边形。

但我仍然得到异常边界矩形，我找不到屏幕截图中的最小矩形。

我有另一种情况，即使在添加腐 eclipse 或膨胀时，当前的解决方案也不起作用。

image 2

这是代码

using namespace cm;
    using namespace cv;
    using namespace std;


    cv::Mat input = cv::imread("heightmap.png");
    RNG rng(12345);
    // convert to grayscale (you could load as grayscale instead)
    cv::Mat gray;
    cv::cvtColor(input,gray, CV_BGR2GRAY);


    // compute mask (you could use a simple threshold if the image is always as good as the one you provided)
    cv::Mat mask;
    cv::threshold(gray, mask, 0, 255,CV_THRESH_OTSU);

    cv::namedWindow("threshold");
    cv::imshow("threshold",mask);

    // find contours (if always so easy to segment as your image, you could just add the black/rect pixels to a vector)
    std::vector<std::vector<cv::Point> > contours;
    std::vector<cv::Vec4i> hierarchy;
    cv::findContours(mask,contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
    cv::Mat drawing = cv::Mat::zeros( mask.size(), CV_8UC3 );

    vector<vector<cv::Point> > contours_poly( contours.size() );
    vector<vector<cv::Point> > ( contours.size() );
    vector<cv::Rect> boundRect( contours.size() );
    for( int i = 0; i < contours.size(); i++ )
    {
        approxPolyDP( cv::Mat(contours[i]), contours_poly[i], 3, true );
        boundRect[i] = boundingRect( cv::Mat(contours_poly[i]) );
    }

     for( int i = 0; i< contours.size(); i++ )
    {
        cv::Scalar color = cv::Scalar( rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );
        rectangle( drawing, boundRect[i].tl(), boundRect[i].br(), color, 2, 8, 0 );

    }

    // display
    cv::imshow("input", input);
    cv::imshow("drawing", drawing);
    cv::waitKey(0);

Answer 1

您使用的代码看起来像来自 this question 的代码.

它使用 BinaryInv 阈值，因为它检测白色背景上的黑色形状。

您的示例恰恰相反，因此您应该调整代码以使用 Binary 阈值类型(或取反图像)。

如果没有此修复，FindContours 将检测图像的周长，这将是最大的轮廓。

所以我不认为代码未能检测到轮廓，只是没有检测到您期望的“最大轮廓”。

即使修复了该问题，您发布的代码也无法使矩形适合示例图像中的矩形，因为最明显的矩形特征没有干净的边框。链接问题中的 approxPolyDP 建议可能会有所帮助，但您必须改进源图像。

参见 this question用于比较此方法和寻找矩形的 Hough 方法。

编辑

通过两次调用 Erode (3x3)，您应该能够将示例图像中的矩形与其他 blob 分开。

您必须用选择最方形代替选择最大的轮廓。