形状分析，以从其他形状区分矩形

Question

我一直在试图执行形状分析使用二进制图像

的一些可能的实施例以区分从非矩形物体的矩形对象（如半圆形）

矩形

非矩形

我的算法工作如下：

1. 使用轮廓提取物面具 - OpenCV的（你可以在上面的例子中看到）
2. 执行形状分析或计算统计数据以检测对象是否为矩形

到目前为止，我已经尝试了偏心和矩形度量。

例如：理想情况下，矩形只适用于矩形。在我的实验中，我有时会得到矩形或圆形物体的类似矩形。因此，我不能使用这种方法进行分析，因为它不可靠。

同样的问题与偏心有关。理想情况下，一个圆的偏心率为零，对于矩形物体，它应该非常高。但它原来是非常类似的矩形或圆形

有没有办法找出对象是否大致矩形或不使用任何几何信息？

任何帮助将是非常赞赏

Answer 1

我认为你可以使用approxPolyDP。我用C++给你程序，我认为在python中很容易翻译。想法正在寻找具有接近实际轮廓的四个角的形状，然后计算四个角（角角）。而轮廓点数大于4时，新轮廓与实际轮廓之间的误差增大。 当你认为它不是矩形时，你必须选择一个阈值角度（90 +/- x°）。 （对不起，我英文不好）

#include "opencv2/opencv.hpp" 
#include <iostream> 

using namespace cv; 
using namespace std; 


int main(int argc, char **argv) 
{ 
vector<String> fileName; 
fileName.push_back("2nrTo.jpg"); 
fileName.push_back("G3I4t.jpg"); 
fileName.push_back("Q4ZtM.jpg"); 
fileName.push_back("vWgKx.jpg"); 
for (int i = 0; i < static_cast<int>(fileName.size()); i++) 
{ 
    Mat mThresh; 
    Mat m=imread(fileName[i],CV_LOAD_IMAGE_GRAYSCALE); 
    Mat mc; 
    vector<vector<Point> > contours; 
    vector<Vec4i> hierarchy; 
    threshold(m,mThresh,80,255,THRESH_BINARY); 
    findContours(mThresh,contours,hierarchy, cv::RETR_CCOMP, cv::CHAIN_APPROX_NONE, cv::Point(0,0)); 
    cout << "Image " << fileName[i] << "\n"; 
    imshow(fileName[i],m); 
    mc = Mat::zeros(m.size(),CV_8UC3); 
    drawContours(mc,contours,0,Scalar(255,0,0),1); 
    vector<Point> approx; 
    double d=0; 
    do 
    { 
     d=d+1; 
     approxPolyDP(contours[0],approx,d,true); 
    } 
    while (approx.size()>4); 
    cout << "#vertices =" <<approx.size() << "\t error max= " <<d<<endl; 
    if (approx.size() == 4) 
    { 
     cout << "Angles\n"; 
     Point2d u(approx[1]-approx[0]),v(approx[2]-approx[1]),w(approx[3]-approx[2]),x(approx[3]-approx[0]); 
     cout<<acos(u.dot(v)/norm(u)/norm(v))<<"\n"; 
     cout<<acos(v.dot(w)/norm(v)/norm(w))<<"\n"; 
     cout<<acos(w.dot(x)/norm(w)/norm(x))<<"\n"; 
     cout<<acos(x.dot(u)/norm(x)/norm(u))<<"\n"; 

    } 
    else 
     cout << "looks like a triangle\n"; 
    contours.push_back(approx); 
    drawContours(mc,contours,contours.size()-1,Scalar(0,0,255),1); 
    imshow("Ctr",mc); 
    waitKey(); 
} 

return 0; 
} 

与以往的图像程序放入系统给出的结果：

Image 2nrTo.jpg 
#vertices =4  error max= 17 
Angles 
93.3283 
90.2247 
90 
93.553 
Image G3I4t.jpg 
#vertices =4  error max= 15 
Angles 
112.503 
46.3837 
110.346 
48.5412 
Image Q4ZtM.jpg 
#vertices =4  error max= 6 
Angles 
88.9191 
90.0297 
88.9488 
90 
Image vWgKx.jpg 
#vertices =4  error max= 49 
Angles 
87.0753 
117.999 
90.3148 
114.76