opencv - cvFindContour() 的更快替代品

Question

轮廓检测占用了我计算机视觉的大部分时间，它需要更快。我已经通过 NEON 指令和矢量化优化了其他所有内容，实际上，轮廓检测在配置文件中占主导地位。不幸的是，如何优化它对我来说并不明显。

我正在执行经典的矩形检测过程来查找基准标记，即 cvFindContours()，然后从等高线近似正方形。在许多标记可见的情况下(或者灾难性的，当不是标记的密集矩形网格可见时)，在 iPhone 上单独调用 cvFindContours() 可能需要 >30 毫秒。

我已经用 cvFindContours() 替换了极其昂贵的 C++ cv::FindContours()。特别是如果传递一个向量 >，C++ 版本分配和填充向量的时间比其内部 cvFindContours() 花费的时间更长!

现在，我完全受制于 cvFindContours 中的时间，或者更具体地说，受制于 cvFindNextContour() 中的时间。 cvFindNextContour 中的代码分支繁多，显然不容易向量化。它还实现了一个复杂的算法，我不相信自己在任何优化尝试中都不会出错。

我已经看过 cvBlobLib(为了消除歧义，我指的是这个:http://code.google.com/p/cvblob/)，看看它是否提供了可以更快地完成同样事情的替代算法。源的基本下载非常慢，因为它将轮廓记录到 std::list() 中，并且几乎所有时间都花在内存分配上。用 std::vector 替换该列表以消除 push_back() 上的初始副本，仍然留下一个比 cvFindContours() 长 3 倍的函数，其中 66% 直接在 cvb::cvLabel( ).所以走这条路似乎不可行。

有没有人对我如何优化许多矩形的检测有任何想法。我模糊的挥手包括:

1. 是否有任何与 cvFindContour() 等效的快速实现，最好是源代码，因为我是多平台的？

2. 大部分轮廓都不是必需的，只有“成功”的矩形有用。特别是，它们的内部轮廓就没有用了。从理论上讲，我是否可以根本不调用 cvFindContours，而是调用 cvStartFindContours/cvFindNextContour，测试找到的每个轮廓，如果我找到了我正在寻找的矩形，则不递归，因为子矩形肯定是无用的？

3. 我可以使用与经典 FindContours()/ApproxPoly() 方法完全不同的矩形检测算法吗？

4. 有没有办法用有用的感兴趣区域“填充”cvFindContours？例如。 FAST 角点检测几乎总能返回我的基准标记角点，即使阈值非常高。有没有办法使用那个点集来限制检测？ (不幸的是，我不确定这有多大帮助，同样是在许多标记或与标记无关的密集网格线的情况下，这在我的应用中经常发生。)

5. 与上述相同，由于 Blob 检测可以(如果我理解正确的话)作为递归洪水填充来实现，是否有任何快速矢量化实现可以用来以某种方式提取有趣的 Blob矩形，并从那里进行种子轮廓检测？

欢迎任何想法!

Answer 1

由于您的目标是矩形检测而不是轮廓检测，因此我建议使用积分图像进行计算。可以找到积分图像的解释 here .在计算出所需图像的积分图像后，可以通过三个操作来计算矩形的像素和。

假设您想在每个非黑色对象周围绘制矩形，您可以使用如下方法。递归地继续将图像及其子图像划分为 4，并丢弃像素总和低于所需阈值的矩形。您将留下许多近似于您的对象的小矩形。合并相邻的矩形将产生对检测到的对象的快速近似。