C++ Girl
  1. C++ Girl
  3. Quelle est la méthode la plus simple * correcte * pour détecter les rectangles dans une image?
Intereting Posts
Comment accomplir des suggestions de mots dans Qt? Tableau de listes chaînées C ++ Supprimer un tas puis déréférencer un pointeur sur cette mémoire Comment tester correctement si mon expression postfixe est valide? Avertissement «Utilisation non initialisée» dans le compilateur g ++ Erreur de liaison entre Boost et CMake Comment puis-je prouver que les fonctions en ligne sont configurées par défaut en liaison interne? Comment définir le séparateur décimal sur une virgule? c ++: instancier un object FILE vs fstream Quelle est la complexité / coût réel de exp en cmath par rapport à un FLOP? Modèles paramétrés pour les énumérations Quel est l’avantage de cet appel de fonction indirect? “Déréférencement sans rejet” de std :: unique_ptr surcharge de l’opérateur c ++ postfix / prefix en tant que fonction non membre

Quelle est la méthode la plus simple * correcte * pour détecter les rectangles dans une image?

J’essaie de penser à la meilleure méthode pour détecter les rectangles dans une image.

Ma pensée initiale est d’utiliser la transformation de Hough pour les lignes et de sélectionner des combinaisons de lignes dans lesquelles deux lignes sont croisées à la fois par la partie inférieure et la partie supérieure par les mêmes deux lignes, mais cela n’est pas suffisant.

L’utilisation d’un détecteur d’angle avec la transformation de Hough fonctionnerait-elle?

Consultez /samples/c/squares.c dans votre dissortingbution OpenCV. Cet exemple fournit un détecteur carré, et cela devrait être un très bon début.

Ma réponse ici s’applique également.

Je ne pense pas qu’il existe actuellement une méthode simple et robuste pour détecter les rectangles dans une image. Vous devez faire face à de nombreux problèmes tels que les rectangles n’étant pas exactement rectangulars mais seulement approximativement, les occlusions partielles, les changements d’éclairage, etc.

Une direction possible consiste à segmenter l’image, puis à vérifier à quel point chaque segment est proche d’un rectangle. Comme vous ne pouvez pas faire confiance à votre algorithme de segmentation, vous pouvez l’exécuter plusieurs fois avec des parameters différents.

Une autre direction consiste à ajuster de manière paramésortingque un rectangle à l’image de manière à maximiser l’amplitude du gradient de l’image le long du contour.

Si vous choisissez de travailler sur une approche paramésortingque, notez que si la manière sortingviale de paramétrer un rectangle consiste à placer ses quatre coins, ce qui représente 8 parameters, quelques autres représentations nécessitent moins de parameters.

Il y a une extension de Hough qui peut être utile.
http://en.wikipedia.org/wiki/Generalised_Hough_transform