Algorithm 最佳拟合矩形的算法

我正在写一个应用程序，它从图片中测量盒子。操作后的示例图片如下所示：

我的应用程序已识别出方框中的像素，并将颜色更改为红色。您可以看到图像非常嘈杂，因此在矩形上创建了非常粗糙的边缘

我一直在读关于边缘/角点检测算法的书，但在我研究其中一种算法之前，我想退一步，看看这样一个复杂的算法是否真的有必要。考虑到我有一些简化事情的条件，似乎有一种更简单的方法：

• 该图像仅包含一个矩形，而不包含任何其他形状
• 每个图像只有一个矩形
• 我不需要精确，尽管我希望尽可能达到最佳匹配

我的第一个简单算法是找到最上面、最下面、最左边和最右边的点。那是四个角。这可以正常工作，但对于像这样嘈杂的边缘来说并不是超精确的。很容易将球视为比角球更好的一点

---

有人能给我指出一个算法吗？

您已经确定了您感兴趣的图像区域（红色区域）

• 使用相同的逻辑，您应该能够对图像进行二值化。假设红色区域产生白色像素，其余为黑色
• 然后使用轮廓跟踪算法跟踪白色区域的外部轮廓
• 现在您有了一个点集，该点集表示区域的外部轮廓
• 查找限制此点集的最小面积矩形

---

您可以使用OpenCV库轻松地执行此操作。如果您计划使用OpenCV，请查看threshold、findContours和Minarealect。希望这些信息有帮助。

谢谢。我避免使用OpenCV，并编写了自己的代码，但决定只将内容转换为OpenCV，因为按照您的建议更容易实现。对于未来的读者，我也在findContours和MinareRect之间使用了approxPolyDP，因为如果没有它，MinareRect会使矩形有一点过大，以解释边缘上的噪声，但是使用approxPolyDP它会在一定程度上补偿噪声边缘。