Java 重叠形状识别（OpenCV）

我有一张包含一些形状的简单图像：一些矩形和一些椭圆，总数为4或5。形状可以旋转、缩放和重叠。有一个示例输入： 我的任务是检测所有这些图形，并准备一些关于它们的信息：大小、位置、旋转等。在我看来，核心问题是形状可以相互重叠。我试图搜索有关此类问题的一些信息，发现OpenCV库非常有用

OpenCV能够检测轮廓，然后尝试将椭圆或矩形拟合到这些轮廓。问题是当形状重叠时，轮廓会混淆

我考虑以下算法：检测所有特征点：并在其上放置白点。我得到了这样的东西，每个图形都被分成不同的部分： 然后，我可以尝试使用一些信息链接这些部分，例如复杂度值（我将曲线approxPolyDP拟合到轮廓，并读取它有多少部分）。但这开始变得非常困难。另一个想法是尝试所有的排列方式，将轮廓连接起来，并尝试将图形与之匹配。最好的编译将被输出

---

你知道如何创建简单而优雅的解决方案吗？

模糊图像有助于找到代码中所示的交点

#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"

using namespace cv;

int main( int argc, char** argv )
{
    Mat src = imread( argv[1] );
    Mat gray, blurred;
    cvtColor( src, gray, COLOR_BGR2GRAY );
    threshold( gray, gray, 127, 255, THRESH_BINARY );
    GaussianBlur( gray, blurred, Size(), 9 );
    threshold( blurred, blurred, 200, 255, THRESH_BINARY_INV );
    gray.setTo( 255, blurred );
    imshow("result",gray);
    waitKey();

    return 0;
}

结果图像：

步骤2

简单地说，借用了

#包括“opencv2/imgproc.hpp”
#包括“opencv2/highgui.hpp”
使用名称空间cv；
使用名称空间std；
int main（int argc，字符**argv）
{
Mat src=imread（argv[1]）；
席灰色，模糊；
CVT颜色（src、灰色、灰色）；
阈值（灰色、灰色、127、255、阈值二元）；
高斯模糊（灰色，模糊，大小（），5）；
阈值（模糊，模糊，180，255，阈值二值化）；
灰色。设置为（255，模糊）；
imshow（“步骤1的结果”，灰色）；
矢量等值线；
///寻找轮廓
findContours（gray.clone（）、等高线、重建树、链近似简单）；
///找到每个轮廓的旋转矩形和椭圆
向量minRect（contours.size（））；
向量minEllipse（contours.size（））；
对于（size_t i=0；i5）
{
minEllipse[i]=fitEllipse（Mat（等高线[i]）；
}
}
///绘制轮廓+旋转矩形+椭圆
对于（size_t i=0；i

您可以在其他图像中获得以下结果图像。我希望你们能解决最后一步。

---

如何找到连接点？我认为下面建议的模糊并不是基于某种数学性质，它只是一种特别的尝试和观察——如果你能找到连接点，那么它就变成了一个图形问题；每个传入段都将有一个可能的输出段，并基于您可以匹配的曲率。但是如何检测交叉点呢？我尝试了许多用于查找角点的方法，发现“goodFeaturesToTrack”在这种情况下效果最好。缺点是它不仅检测交叉点，还检测矩形的核心点。在我看来，只检测交叉点的能力只会简化算法。如果它检测到矩形角点，它同样好——你必须将一个线段与一个线段配对——如果goodFeaturesToTrack准确地找到所有高亮显示的点，那么这就是你需要的。是的，没错，我正在考虑创建一个图形。当我有一个只有两条边的顶点时，我可以将它们作为矩形的一部分连接起来。更有趣的是，我有更多边的顶点，如4（简单连接）或3（两个矩形连接的特殊情况）。谢谢，我将尝试分析您的解决方案，与我的想法相反，它似乎非常简单和直接。我希望它会有所帮助。您可以尝试更改

GaussianBlur

和

threshold

的参数（请参见我在第一个和第二个代码中如何更改）

#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"

using namespace cv;
using namespace std;

int main( int argc, char** argv )
{
    Mat src = imread( argv[1] );
    Mat gray, blurred;
    cvtColor( src, gray, COLOR_BGR2GRAY );
    threshold( gray, gray, 127, 255, THRESH_BINARY );
    GaussianBlur( gray, blurred, Size(), 5 );
    threshold( blurred, blurred, 180, 255, THRESH_BINARY_INV );
    gray.setTo( 255, blurred );
    imshow("result of step 1",gray);

    vector<vector<Point> > contours;

    /// Find contours
    findContours( gray.clone(), contours, RETR_TREE, CHAIN_APPROX_SIMPLE );

    /// Find the rotated rectangles and ellipses for each contour
    vector<RotatedRect> minRect( contours.size() );
    vector<RotatedRect> minEllipse( contours.size() );

    for( size_t i = 0; i < contours.size(); i++ )
    {
        minRect[i] = minAreaRect( Mat(contours[i]) );
        if( contours[i].size() > 5 )
        {
            minEllipse[i] = fitEllipse( Mat(contours[i]) );
        }
    }

    /// Draw contours + rotated rects + ellipses
    for( size_t i = 0; i< contours.size(); i++ )
    {
        Mat drawing = src.clone();
        // contour
        //drawContours( drawing, contours, (int)i, color, 1, 8, vector<Vec4i>(), 0, Point() );
        // ellipse
        ellipse( drawing, minEllipse[i], Scalar( 0, 0, 255 ), 2 );
        // rotated rectangle
        Point2f rect_points[4];
        minRect[i].points( rect_points );
        for( int j = 0; j < 4; j++ )
            line( drawing, rect_points[j], rect_points[(j+1)%4], Scalar( 0, 255, 0 ), 2 );
        /// Show in a window
        imshow( "results of step 2", drawing );
        waitKey();
    }

    return 0;
}