c++ - 计算像素坐标周围的矩形

Question

我有一个包含图像像素坐标的 Qvector。主要目标是根据彼此之间的距离对这些像素进行分组，并从这些像素组中得到一个矩形。 vector 中的每个像素都彼此不靠近，这就是我想将它们分组的原因。

我正在使用 openCv 和 Qt。我想避免使用 OpenCV 中的 blobDetector，它非常慢，如果可能的话，我会自己做。

有人知道如何管理这个吗？

编辑:

假设白点彼此像素接近。主要目标是检测这些像素是否彼此靠近，并能够获得这些像素的矩形。这可能吗？

编辑 2:

在获取集群后，我尝试使用以下代码获取这些集群周围的边界矩形。我可能没有以正确的方式使用这个功能。

cv::partition(cvCoordsTable, testVector, Dist(eqludianThreshold));
std::vector<cv::Rect> rectTable;

for(int in = 0; in < testVector.size(); in++)
{
    rectTable.push_back(cv::boundingRect(cvCoordsTable.at(in)));
}

谢谢你的帮助

Answer 1

这首先是聚类问题。由于您不知道集群(组)的数量，因此您必须使用一些不需要集群数量作为输入的算法。你可以做简单的 cv::partition在 C++ 中具有以下签名:

int cv::partition(const vector<_Tp>& vec, vector<int>& labels, _EqPredicate predicate=_EqPredicate())

使用示例:

    std::vector<cv::Point> pixelCoordinatesTable,
    std::vector<int> labelsTable;
    double threshold= 5;//Max eqludian distance between one cluster points
    cv::partition(pixelCoordinatesTable, labelsTable, [&threshold](auto const& l, auto const& r){
        return cv::norm(l - r))<threshold;
    });

另一个更成熟的选择是使用真正的聚类算法，如 DBSCAN .这是一种基于密度的聚类算法。你可以找到一个 C++ implementation here .

在你得到簇(以任何方法)后，只需在每个 cluster 周围应用 cv::boundingRect 以获得你想要的 rectangle。

编辑:

解决矩形问题:

auto cluster_count = cv::partition(cvCoordsTable, testVector, Dist(eqludianThreshold)); // gettting the number of clusters
std::vector<cv::Rect> rectTable;
rectTable.reserve(cluster_count);//Optimiaztion
for(int in = 0; in < cluster_count; in++){
    std::vector<cv::Point> temp;
    temp.reserve(testVector.size());
    for(size_t i=0;i<testVector.size();++i){
        if(testVector[i]==in){
             temp.emplace_back(rectTable[i]);
        }
    }
    rectTable.emplace_back(cv::boundingRect(temp));
}

我相信有更好更快的方法，我只是在解释这个想法，你可以尽可能地优化它。