基于openCV的等高线直线检测 我刚刚开始使用C++的OpenCV，需要做一些矩形的边缘检测。

这是我用于测试的图像：

这是我通过使用阈值（

THRESH\u BINARY

）得到的结果：

使用此代码，我会说它大约正确90%：

void find_contour(Mat src)
{
    int largest_area=0;
    int largest_contour_index=0;
    Rect bounding_rect;

    Mat thr;
    cvtColor( src, thr, COLOR_BGR2GRAY ); //Convert to gray
    threshold( thr, thr, 175 , 255, THRESH_BINARY ); //Threshold the gray

    imshow("Binary", thr);

    vector<vector<Point> > contours; // Vector for storing contours

    findContours( thr, contours, RETR_CCOMP, CHAIN_APPROX_SIMPLE ); // Find the contours in the image

    for( size_t i = 0; i< contours.size(); i++ ) // iterate through each contour.
    {
        double area = contourArea( contours[i] );  //  Find the area of contour

        if( area > largest_area )
        {
            largest_area = area;
            largest_contour_index = i;               //Store the index of largest contour
            bounding_rect = boundingRect( contours[i] ); // Find the bounding rectangle for biggest contour
        }
    }

    drawContours( src, contours, largest_contour_index, Scalar( 0, 255, 0 ), 2 ); // Draw the largest contour using previously stored index.

    imshow( "result", src );
}

void find_等高线（Mat src）
{
int最大面积=0；
int最大轮廓指数=0；
矩形边界；
Mat-thr；
cvtColor（src、thr、COLOR_bgr2灰色）；//转换为灰色
阈值（thr，thr，175，255，THRESH_BINARY）；//灰度阈值
imshow（“二进制”，thr）；
矢量轮廓；//用于存储轮廓的矢量
findContours（thr、等高线、RETR\u CCOMP、CHAIN\u Abrox\u SIMPLE）；//在图像中查找等高线
对于（size_t i=0；i最大面积）
{
最大面积=面积；
最大轮廓指数=i；//存储最大轮廓指数
bounding_rect=boundingRect（轮廓[i]）；//查找最大轮廓的边界矩形
}
}
drawContours（src，等高线，最大等高线索引，标量（0，255，0），2）；//使用以前存储的索引绘制最大等高线。
imshow（“结果”，src）；
}

我想去掉右边的“错误”，然后沿着每条边绘制多段线，找到它们的交点（卡片角），这样我就可以进行透视变换

实现这一目标的最佳方式是什么

我愿意接受任何建议

---

谢谢你抽出时间

我将尝试以下方法：

• 大致找到拐角；例如，可以通过在八个主要基本方向上查找最远的轮廓像素，给出一个八角形（加上一些逻辑来选择正确的四个点）

• 从拐角处，可以得到边的近似值

• 在每条边（倾斜矩形）周围放置一个合适的ROI，并将其拉直，使边接近水平

• 在ROI中使用Hough变换，最好仅在垂直梯度上使用。一点水平模糊也有帮助

---

使用这些ROI的目的是减少错误检测的可能性，并使检测方向敏感。

是否需要扩展您的技术以支持其他图像？因为很明显，在某些背景下，阈值设置不太合适。通常情况下，卡片是白色的，背景是桌子（浅棕色）。我尝试过各种代码片段，阈值化得到了最好的结果。这很公平。最近我一直在使用彩色模型，这里有一些简单的模型可能很有用，但如果阈值设置足以满足您的需要，我就不想再讨论它们了。如果您能为我提供一些参考资料，我愿意学习；）一次解决一个问题。无论如何，我的第一个想法是使用Hough变换，因为它们很好，简单，易于使用和理解。这有用吗？