Comment reconnaître les rectangles dans cette image?

Opencv (traitement d'image et vision par ordinateur de la bibliothèque écrite en c) est mise en œuvre pour la transformation de hough (de la simple transformation de hough de trouver des lignes dans une image, alors que la généralisation de l', on trouve des objets plus complexes), de sorte que pourrait être un bon début. Pour les rectangles qui ont fermé les coins il y a aussi le coin des détecteurs comme cornerHarris qui peut vous aider.

J'ai couru le houghlines démo fourni avec opencv et voici le résultat sur l'image que vous avez donné (détecté lignes marquées en rouge):


_{(source: splintec.com)}

En vision par ordinateur il y a un algorithme appelé Généralisée Hough Transformer qui peut peut-être résoudre votre problème. Il devrait y avoir un code source ouvert avoir mis en œuvre de cet algorithme. Il suffit de chercher pour elle.

Il y a plusieurs approches différentes à votre problème. J'aimerais utiliser un morphologiques de traitement de l'image outil comme cette une. Vous aurez la possibilité de définir "rectangle" même quelque chose que pas "exactement fermé" (où l'algorithme de remplissage échouera).

Une autre possibilité pourrait être d'utiliser un l'apprentissage de la machine approche, qui, fondamentalement, est plus axé sur des données de définition axée comme le précédent. Vous devrez donner votre algorithme de plusieurs "exemples" de ce qu'un rectangle est, et il finira par apprendre (avec un biais et un taux d'erreur).

une autre approche serait de trouver TOUT de couleur de pixel sur l'image, puis aller avec

while(pixel under current is colored)
{
  lowest pixel coordinate = pixel under current
  current = pixel under
}

puis faire de même vers le haut.
maintenant, u ont défini une seule ligne. utilisez ensuite les extrémités des lignes à env match de lignes dans des rectangles. si elles ne sont pas de pixel parfait, vous pourriez faire une sorte de tresholding.

À obtenir à partir de l'image que vous avez avec le touchant presque les lignes horizontales et verticales pour juste les rectangles:

1. Convertir en binaire (c'est à dire toutes les lignes
   sont le blanc, le reste est en noir)
2. Effectuer une Binaire dilatation (ici vous faire de chaque pixel qui touche un pixel blanc dans l'image source ou des blancs est un pixel de l'image source blanche. Le toucher est directement seulement, (de sorte que chaque pixel "touche" les pixels à sa gauche, à droite, au-dessus et au-dessous), cela s'appelle "4-connecté"
3. répétez l'étape 3 quelques fois, si les écarts entre les extrémités sont plus de 2 pixels de large, mais pas trop souvent!
4. Effectuer un squelette de l'opération (ici vous faire de chaque pixel dans l'image de sortie noir si c'est un blanc pixels de l'image source qui touche au moins un pixel noir, et les pixels blancs il touche (dans l'image source) touche toutes les eachother. Appuyez à nouveau sur définis avec la 4-connexité. Voir exemple ci-dessous.
5. Répétez l'étape 4 jusqu'à ce que l'image ne change pas après une répétition (tous les pixels blancs sont des extrémités ou des connecteurs)

Ce sera, avec un peu de chance, d'abord montrer les cases avec une épaisseur de graisse lignes, laissant épaisseur de la graisse tous les artefacts sur l'image (après l'étape 3), puis ensuite, après l'étape 5, tous épaisse de graisse sont les objets ont été supprimés, tandis que toutes les cases restent. Vous devez ajustez le nombre de répétitions à l'étape 3 pour de meilleurs résultats. Si vous êtes intéressé par l'image de la morphologie, de c'est le livre d'une très bonne introduction aux cours que j'ai pris.

De l'échantillon: (0=noir, 1=blanc, pixels au centre de chaque bloc de 3 x 3 sont envisagées, à l'entrée à gauche, à droite sortie)

011 => 011    
011 => 001  all other white pixels touch, so eliminate      
011 => 011    

010 => 010    
010 => 010  top pixel would become disconnected, so leave      
010 => 010    

010 => 010    
010 => 000  touches only one white pixel, so remove     
000 => 000    

010 => 010    
111 => 111  does not touch black pixels, leave    
010 => 010    

010 => 010    
011 => 011  other pixels do not touch. so leave    
000 => 000