【发布时间】：2012-02-10 05:12:04
【问题描述】：
我想实现一种算法，该算法将找到轮廓的边界矩形（已由另一种算法确定）。我唯一拥有的是二值化图像（如下所示）。基本的想法是：
采取这样的方式 - 预处理二值化图像
并产生类似这样的东西
【问题讨论】：
-
查看我们的姊妹网站Signal Processing。
标签： algorithm graphics geometry bounding-box
【发布时间】：2012-02-10 05:12:04
【问题描述】：
查看连接组件标签：http://en.wikipedia.org/wiki/Connected-component_labeling。在这种情况下，您可以找到白色像素或黑色像素的连通分量（白色在计算上更容易，因为图像中的白点较少）。
【讨论】：
-
我知道它必须有一个名字，我花了两天时间才找到它。
我可以建议一个幼稚的方法作为开始：
在图像中，对图像中的中间点 (x,y) 进行 2D 二进制搜索。 从那时起，执行洪水填充。
如果填充图形的边界不是图像的边界，那么您找到了一个闭合图形，因此找到了它的边界框。
如果它填满了整个图像，那么你什么也没打，所以把图像分成四个 cuadrants 并递归地做同样的事情。 （您无需检查位于先前找到的边界框图形内的点，从而在此过程中减少您的搜索空间）。
【讨论】：
-
二维二进制是指kd-tree吗？
-
我的意思是像四叉树一样将空间分成 4 个 cuadrants。
-
我认为 kd-tree 也可以。但是有一个四叉树是很好的。
对于每个元素：
They highest y - 1 is the top of the rectangle.
The leftmost x - 1 is the left of the rectangle.
The lowest y + 1 is the bottom of the rectangle.
The rightmost x + 1 is the right of the rectangle.
注意最高是指最接近屏幕顶部的值，而不是最大值。
【讨论】：
-
你误会了我一点：有图片（0 和 1 的矩阵），我想找到这些矩形 - 它们的坐标。
看起来 OpenCV 有一些算法可以找到已经实现的轮廓的边界框。因此，研究它们的功能如何工作可能是一个很好的开始。 http://opencv.itseez.com/doc/tutorials/imgproc/shapedescriptors/bounding_rects_circles/bounding_rects_circles.html
【讨论】：
-
好的，这是个好主意，但我想从头开始。我不能使用 OpenCV 的实现。
-
在您的轮廓创建功能的实现中是否可以将每个轮廓分组为一组点？如果你能做到这一点，那么找到边界框几乎是微不足道的，因为你只需要找到每个集合中的最高点、最低点、最左边和最右边的点。
-
我只有一个二值化图像 - 仅此而已。我必须以某种方式整理边界矩形。
-
那么您可以做的是实现一些轮廓跟踪算法，例如 Moore-Neighbor 或 Radial Sweep，这将相当简单，但允许您在找到白色像素后对其进行分组。所以基本上开始浏览图像，直到找到一个白色像素。将其设置为起始像素并应用轮廓跟踪算法。算法完成跟踪后，使用它找到的像素集来确定边界框。然后找到不在先前找到的轮廓集中的下一个白色像素，并再次开始应用算法。
-
感谢您的回答。我会尽量在网上找一些资料。如果您发现了什么，请在评论中发布。
您可以计算最小生成树并删除最长的边。然后你可以计算k-means。移除另一个长边并计算 k-means。冲洗并重复，直到 N=10。我相信这个算法被命名为单链接 k-means 并且集群类似于 voronoi 图：
“单链k-clustering算法......正是Kruskal算法......相当于找到一个MST并删除k-1个最昂贵的边。”
请参见此处的示例：https://stats.stackexchange.com/questions/1475/visualization-software-for-clustering
然后对每个集群应用此规则：
They highest y - 1 is the top of the rectangle.
The leftmost x - 1 is the left of the rectangle.
The lowest y + 1 is the bottom of the rectangle.
The rightmost x + 1 is the right of the rectangle.
注意最高是指最接近屏幕顶部的值，而不是最大值。
【讨论】：