image-processing - 使用透视投影进行矩形识别的霍夫变换与轮廓检测

Question

在调整透视投影之前，我将矩形检测与轮廓检测结合使用，并通过 OpenCv 应用多边形来获取矩形的位置。而且效果很好。但是我小组中的一些人建议改用霍夫变换。我想知道使用霍夫变换进行矩形检测是否有任何优势。

更新:我尝试了这两种方法。在我的示例中，两种方法在 Canny 边缘检测后都运行良好。但是由于霍夫变换产生线，我们必须假设几件事，例如线的长度和线的可连接性，并且应该进行额外的计算，例如搜索连接的线并从连接的线中找到角点。就个人而言，我更喜欢轮廓法，因为它的概念更简单。使用该方法，您只需搜索可以用具有 4 个角的封闭多边形和凸多边形近似的轮廓，并调整多边形的透视投影。就是这样。

Answer 1

到目前为止，您通过轮廓检测获得了什么样的结果？有例子吗？

Hough 变换应该适用于矩形检测 如果您可以假设矩形的边是图像中最突出的线条。然后你可以简单地检测霍夫空间中的 4 个最大的峰，你就得到了你的矩形。

例如，这适用于深色背景前一张白纸的照片。

理想情况下，您会使用模糊、阈值、形态学运算符对图像进行预处理，以在霍夫变换之前移除任何小规模结构。

如果图像中有多个较小的矩形或其他类型的突出线条，轮廓检测可能是更好的选择。

霍夫变换的一些一般优势:

• 如果矩形的一部分被遮挡或超出框架，霍夫变换仍然可以工作。
• 霍夫变换应该比轮廓检测更快，我猜？
• Hough 变换会忽略任何不是直线的东西，因此您可能会在处理杂乱的图像时获得更大的成功。 (如果矩形边是最突出的线)

最终可能取决于输入数据。有例子吗？

也许组合方法是最好的？看 Combining Hough Transform and Contour Algorithm for detecting Vehicles License-Plates

前一段时间我做了一些使用霍夫变换检测矩形的实验，你可以在这里看到一些初步结果: http://www.imagemagick.org/discourse-server/viewtopic.php?f=1&t=14491&start=9

不幸的是，目前仅此而已，该项目目前处于中断状态，最终我希望在我不那么忙的时候恢复它。

相比之下，我对您的结果非常感兴趣。

(如果你正在做透视校正，也可以查看 proportions of a perspective-deformed rectangle )