Android 不同形状的检测'；相机的动态图像（圆形、方形和矩形）？

我想创建一个应用程序来检测对象的形状，如（仅圆形、方形和矩形的几何图形），该应用程序不应使用无标记或基于边的方法来检测扩展中的形状

为此，我使用了以下内容，例如，我已经完成了metaio sdk中已经存在的教程过程

1） 梅塔奥：

2） OpenCV：

这些就是我试图实现的东西

几何图形： 1） 实时循环可以是任何循环对象-->

2） 实时正方形可以是任何正方形对象-->

3） 实时矩形可以是任何矩形对象-->

我怎样才能实现这种增强的场景呢

---

提前感谢

更新：这篇StackOverflow帖子（包括一些不错的示例图片）似乎至少解决了您问题的-部分。他所指的优秀作品的参考资料可以在这本书上找到（不幸的是，只能通过回程机器找到）

如果这两个选项都不成立，请参阅相关部分：

检测图像：

要检测图像中的圆，需要注意一些微妙的细节。在使用圆检测功能

cvHoughCircles

处理图像之前，您可能希望首先将其转换为灰色图像并对其进行平滑处理。以下是需要使用的函数的一般过程及其用法示例

创建图像

假设您有一个名为“img”的初始图像进行处理，首先您希望使用

cvCreateImage

创建一个名为“gray”的图像变量，其尺寸与img相同

IplImage* gray = cvCreateImage( cvGetSize(img), 8, 1 ); 
                 // allocate a 1 channel byte image

CvMemStorage* storage = cvCreateMemStorage(0);


IplImage* cvCreateImage(CvSize size, int depth, int channels);

  size:  cvSize(width,height);

  depth: pixel depth in bits: IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16U,
    IPL_DEPTH_16S, IPL_DEPTH_32S, IPL_DEPTH_32F, IPL_DEPTH_64F

  channels: Number of channels per pixel. Can be 1, 2, 3 or 4. The channels 
    are interleaved. The usual data layout of a color image is
    b0 g0 r0 b1 g1 r1 ...

转换为灰色

现在，您需要使用在颜色空间之间转换的

cvtcolor

将其转换为灰色

cvCvtColor( img, gray, CV_BGR2GRAY );

cvCvtColor(src,dst,code); // src -> dst

  code    = CV_<X>2<Y>
  <X>/<Y> = RGB, BGR, GRAY, HSV, YCrCb, XYZ, Lab, Luv, HLS

e.g.: CV_BGR2GRAY, CV_BGR2HSV, CV_BGR2Lab

src

• 源图像

dst

• 目标图像

平滑类型

平滑的类型：

• CV_BLUR_NO_SCALE（无缩放的简单模糊）-像素param1×param2邻域上的总和。如果邻域大小不固定，可以使用CVF积分函数
• CV_模糊（简单模糊）-在像素param1×param2邻域上求和，随后按1/（param1•param2）缩放
• CV_GAUSSIAN（高斯模糊）-使用param1×param2 GAUSSIAN卷积图像
• CV_中值（中值模糊）-查找param1×param1邻域的中值（即邻域为正方形）
• CV_双边（双边过滤器）-使用

  color sigma=param1

  和

  space sigma=param2

参数1

• 平滑操作的第一个参数

param2

• 平滑运算的第二个参数

对于简单缩放/非缩放和高斯模糊，如果

param2

为零，则设置为

param1

使用Hough圆检测

函数

cvHoughCircles

用于检测灰度图像上的圆。最后两个参数可能还需要修改

CvSeq* circles = 
 cvHoughCircles( gray, storage, CV_HOUGH_GRADIENT, 2, gray->height/4, 200, 100 );


CvSeq* cvHoughCircles( CvArr* image, void* circle_storage,
                       int method, double dp, double min_dist,
                       double param1=100, double param2=100,
                       int min_radius=0, int max_radius=0 );

============================

该wiki页面的其余部分实际上非常好（尽管，我不打算在这里重新复制它，因为其余部分与原始问题无关，并且StackOverflow对答案有大小限制）。希望Wayback机器上的缓存副本能够无限期地继续工作

更新之前的回答：

太好了！现在你已经发布了一些示例，我可以看到你不仅关注矩形、方形矩形和圆形，你还希望在3D环境中找到这些形状，从而潜在地寻找平行四边形和椭圆形的特殊情况，从一个视频帧到另一个视频帧最终可以显示它们自己是矩形、正方形，和/或圆（取决于您平移相机的方式）

就我个人而言，我发现自己解决一个问题比试图理解如何使用一个现有的（通常是非常成熟的）库更容易。这并不是说我自己的作品会比一个成熟的图书馆更好，当然不会。只是，一旦我能自己解决一个问题，我就更容易理解和使用一个库（库本身通常比我自己的解决方案运行得更快、更智能）

所以下一步我要做的是将位图的颜色空间更改为灰度。一个彩色位图，我很难理解，也很难操作，特别是因为它有很多不同的表示方式，但是一个灰度位图，这两者都更容易理解和操作。对于灰度位图，只需想象一个值网格，每个值具有不同的光强度

现在，让我们把问题的范围限制在在静态2D环境中寻找平行四边形和椭圆形（我们以后会担心处理3D环境和移动视频帧，或者我应该说，你自己会担心这一部分，因为这个问题对我来说已经太复杂了）

现在，我们也不用担心您使用什么工具或语言。只要使用最简单和最快速的方法。例如，假设时间没有问题，几乎任何东西都可以编写脚本来自动将图像转换为灰度。ImageMagick、Gimp、Python、Ruby、Java等

使用这些工具中的任何一种，都应该能够轻松地将具有足够相似强度的像素分组（以使计算更易于管理），并将每个像素坐标排序到不同的数组中，以便于计算

CvSeq* circles = 
 cvHoughCircles( gray, storage, CV_HOUGH_GRADIENT, 2, gray->height/4, 200, 100 );


CvSeq* cvHoughCircles( CvArr* image, void* circle_storage,
                       int method, double dp, double min_dist,
                       double param1=100, double param2=100,
                       int min_radius=0, int max_radius=0 );