Image processing OpenCV：轮廓图像的近似分割

我试图找到一种对墓地图像进行近似分割的方法（在文化科学的CBIR背景下——但这不是主题）。到目前为止，我正在使用以下策略：

• 模糊图像两次（实验结果）
• 应用Canny边缘检测器
• 寻找轮廓

  int main(int argc, const char* argv[]) {
  
  cout << "Starting " << endl;
  Mat sourceImage;
  sourceImage = imread("singlesegmentation/DSCN5204.JPG",
          CV_LOAD_IMAGE_COLOR);
  
  if (!sourceImage.data) {
      cout << "No Image found." << endl;
      return -1;
  }
  
  cv::Mat blurred = imagePro::blurrNtimes(2, sourceImage);
  cv::Mat target = edged::applyCanny(blurred);
  cout << "Canny applied " << endl;
  
  vector<vector<Point> > contours;
  vector<Vec4i> hierarchy;
  cv::Point offset;
  offset.x = sourceImage.rows / 2;
  offset.y = sourceImage.cols / 2;
  cv::findContours(target, contours, hierarchy, CV_RETR_TREE ,
          CV_CHAIN_APPROX_SIMPLE, offset);
  cout << "Contours applied " << endl;
  
  int idx = 0;
  for (; idx >= 0; idx = hierarchy[idx][0]) {
      Scalar color(rand() & 255, rand() & 255, rand() & 255);
      drawContours(target, contours, idx, color, CV_FILLED, 8, hierarchy);
  }
  cout << "Lines applied " << endl;
  
  cv::namedWindow("Contour", CV_WINDOW_NORMAL);
  cv::imshow("Contour", target);
  cv::waitKey(0);
  
  return 0;
  

  int main（int argc，const char*argv[]{
  cout您可以尝试使用Hough变换（cv:：HoughLinesP）参见教程示例
  
  为了找到图片中石头的坐标，你需要计算通过hough变换找到的线的交点。我使用高斯模糊，然后是拉普拉斯变换（而不是canny边）对于类似的用例。
  Class hough transform应用程序，probablistic HT还为您提供端点，并允许您过滤掉太短的线条