Python 在图像中找到最小数量的矩形

我有随机放置矩形的二值图像，我想得到这些矩形的位置和大小。 如果可能的话，我需要最小数量的矩形来准确地重建图像

左边是我的原始图像，右边是我应用

scipys.find_objects（）后得到的图像
（就像建议的那样）



导入scipy
#image=scipy.ndimage.zoom（图像，9，顺序=0）
标签，n=scipy.ndimage.measurements.label（图像，np.one（（3，3）））
bboxes=scipy.ndimage.measurements.find_对象（标签）
img_new=np.zeros_like（图像）
对于bboxes中的bb：
img_new[bb[0]，bb[1]]=1

如果矩形相距较远，这很好，但如果它们重叠并构建更复杂的结构，此算法只会给我最大的边界框（对图像进行上采样没有任何区别）。我觉得应该已经存在一种
scipy
或
opencv
方法来实现这一点。
我很高兴知道是否有人对如何解决这个问题有想法，或者更了解现有的解决方案

因此，我希望在图像中有一个矩形列表（即左下角：右上角）。条件是，当我重新绘制那些填充的矩形时，我希望得到与以前完全相同的图像。如果可能的话，矩形的数量应该是最小的

下面是生成示例图像的代码（以及更复杂的示例vs）

这里有一些东西可以让你开始：一个天真的算法，它可以遍历你的图像并创建尽可能大的矩形。现在，它只标记矩形，而不报告坐标或计数。这是为了将算法单独可视化

当保存为PNG时，它不需要任何外部库（PIL除外）来加载和访问左侧图像。我假设周围15像素的边界可以忽略

from PIL import Image

def fill_rect (pixels,xp,yp,w,h):
    for y in range(h):
        for x in range(w):
            pixels[xp+x,yp+y] = (255,0,0,255)
    for y in range(h):
        pixels[xp,yp+y] = (255,192,0,255)
        pixels[xp+w-1,yp+y] = (255,192,0,255)
    for x in range(w):
        pixels[xp+x,yp] = (255,192,0,255)
        pixels[xp+x,yp+h-1] = (255,192,0,255)

def find_rect (pixels,x,y,maxx,maxy):
    # assume we're at the top left
    # get max horizontal span
    width = 0
    height = 1
    while x+width < maxx and pixels[x+width,y] == (0,0,0,255):
        width += 1
    # now walk down, adjusting max width
    while y+height < maxy:
        for w in range(x,x+width,1):
            if pixels[x,y+height] != (0,0,0,255):
                break
        if pixels[x,y+height] != (0,0,0,255):
            break
        height += 1
    # fill rectangle
    fill_rect (pixels,x,y,width,height)

image = Image.open('A.png')
pixels = image.load()
width, height = image.size

print (width,height)

for y in range(16,height-15,1):
    for x in range(16,width-15,1):
        if pixels[x,y] == (0,0,0,255):
            find_rect (pixels,x,y,width,height)

image.show()

从PIL导入图像
def填充矩形（像素、xp、yp、w、h）：
对于范围（h）内的y：
对于范围（w）内的x：
像素[xp+x，yp+y]=（255,0,0255）
对于范围（h）内的y：
像素[xp，yp+y]=（255192,0255）
像素[xp+w-1，yp+y]=（255192,0255）
对于范围（w）内的x：
像素[xp+x，yp]=（255192,0255）
像素[xp+x，yp+h-1]=（255192,0255）
def find_rect（像素，x，y，maxx，maxy）：
#假设我们在左上方
#获得最大水平跨度
宽度=0
高度=1
当x+width

从输出


您可以观察到检测算法可以改进，例如，“明显的”左上角的两个矩形被分成3个。类似地，中心较大的结构也包含一个超出绝对需要的矩形

可能的改进是调整
find_rect
例程以找到最佳拟合的ª，或者存储坐标并使用数学（超出我的知识范围）来查找可以连接的矩形


⑨对此有进一步的想法。当前，所有找到的矩形都立即填充“找到”颜色。您可以尝试检测多个明显的矩形，然后在标记第一个矩形后，要检查的其他矩形可能是黑色或红色。即兴说，您需要尝试不同的扫描顺序（从上到下或反向、从左到右或反向），以实际找到任意组合中所需的最小矩形数。
“编写此代码应该不太困难。”ᶜᶦᵗᵃᵗᶦᵒⁿ ⁿᵉᵉᵈᵉᵈ 在右侧图形中，在中心左侧的重叠集中有多少个矩形？至少是2，但也可以是3或4，这取决于你是如何计算的。好吧，在对这个短语进行了多次评论之后：我希望有一个现有的算法来解决这个问题，并想询问一下。如果没有，我很乐意自己做。这听起来不应该是这样的：肯定有一个足够愚蠢（和聪明）的人为我做这项工作……所以基本上你要求的是找到图像中每个直线多边形的最小矩形分区。我认为这是一个众所周知的问题，如果你在谷歌上搜索，你会发现很多算法。但我不认为有一个简单的解决方案。你可以尝试使用opencv斑点检测方法，并为这个特定的图像调整它的参数。还要考虑在应用BLB探测器前对图像进行预处理，比如腐蚀和扩张操作，以便更容易检测矩形。一个天真的算法也可以工作：定位矩形的左上角，扫描其边界，从图像中删除。重复一遍。这将导致绘制更多的矩形（用于重叠矩形），但应该万无一失。
from PIL import Image

def fill_rect (pixels,xp,yp,w,h):
    for y in range(h):
        for x in range(w):
            pixels[xp+x,yp+y] = (255,0,0,255)
    for y in range(h):
        pixels[xp,yp+y] = (255,192,0,255)
        pixels[xp+w-1,yp+y] = (255,192,0,255)
    for x in range(w):
        pixels[xp+x,yp] = (255,192,0,255)
        pixels[xp+x,yp+h-1] = (255,192,0,255)

def find_rect (pixels,x,y,maxx,maxy):
    # assume we're at the top left
    # get max horizontal span
    width = 0
    height = 1
    while x+width < maxx and pixels[x+width,y] == (0,0,0,255):
        width += 1
    # now walk down, adjusting max width
    while y+height < maxy:
        for w in range(x,x+width,1):
            if pixels[x,y+height] != (0,0,0,255):
                break
        if pixels[x,y+height] != (0,0,0,255):
            break
        height += 1
    # fill rectangle
    fill_rect (pixels,x,y,width,height)

image = Image.open('A.png')
pixels = image.load()
width, height = image.size

print (width,height)

for y in range(16,height-15,1):
    for x in range(16,width-15,1):
        if pixels[x,y] == (0,0,0,255):
            find_rect (pixels,x,y,width,height)

image.show()