【问题标题】：Detecting accurate center point of rectangular object using HoughLinesP使用 HoughLinesP 检测矩形对象的准确中心点
【发布时间】：2013-08-23 11:18:41
【问题描述】：

我有一个对象，我想定义它的确切中心。使用 OpenCV，我使用 Canny 检测边缘，然后执行 HoughLinesP 检测线条：see this。

我使用霍夫变换是因为对象不是完全矩形的，有时会检测到凹凸here。

行在结构中定义。我还计算了中点、角度和长度：

struct hLine {
    Point pStart, pEnd, pMidpoint;
    float angle;
    int length;
};

如您所见，沿侧面检测到多条线。

问题是：如何获取矩形每一边的最长线（本例中为 0、1、3、4）？

我尝试的方法是计算直线方程y = kx + n，然后按角度、长度和n对直线进行排序，并只保留具有n 以某个数字分隔（矩形的相对边）。我有垂直线的问题（n 无法计算），并且当对象几乎垂直时 n 数字很大，因此不会删除线。

下一步是计算线的交点，然后计算中心。想法基于本教程：opencv-code.com/tutorials/automatic-perspective-correction-for-quadrilateral-objects/

另外，如果有人有更好的解决方案来检测准确的中心点，请说出来:)

【问题讨论】：

标签： c++ algorithm opencv computer-vision

【解决方案1】：

使用 canny 检测边缘后，您可以使用形态闭合操作来连接边缘。然后找到轮廓并使用多边形近似对轮廓进行平滑处理。对于您找到的每个四边形，您可以检查角是否大致为 90 度，以验证它是否是矩形。根据您的示例图像，您检测到的最大矩形应该是您感兴趣的矩形。（您也可以找到每个轮廓的凸包，然后将多边形近似应用于凸包）。

【讨论】：

我实现了这个，但多边形近似 (cv::approxPolyDP) 会产生奇怪的形状。这是使用 epsilon=5：snag.gy/kV2uu.jpg，epsilon=2：snag.gy/7PtuP.jpg，这更好，但它还包括下侧的凹凸。
可能是 epsilon 与轮廓的长度相比太小了。如果 epsilon 太小，您将再次密切关注轮廓，多边形近似也不会更好，您甚至可能无法接近四边形。尝试增加 epsilon，比如说轮廓长度的一部分
看看 squares.cpp opencv 示例。它使用了类似的方法
我认为您也可以使用轮廓本身（我相信轮廓是图像中的绿线，多边形是红线）来计算中心。计算轮廓的空间矩m00、m01和m10，使用x = m10/m00, y = m01/m00计算质心。
我采用了我原来的方法，结果非常好。我使用 HoughLinesP 然后过滤结果 - 我只对矩形的每一边使用最长的线，然后计算这些线的交点。完成后我会发布更多信息。另外，你投票是因为我用你的想法来进行形态关闭:)

【解决方案2】：

我愿意：

首先计算数据的 OBB（定向边界框）。
沿 OBB 的边缘创建四个边界框，其宽度具有一定的预定义精度。
丢弃位于四个边缘边界框之一中的所有点。
为边缘制作四个最小边缘边界框（此处丢弃凹凸）
从四个边缘边界框的中心线创建一个矩形。
计算矩形的中心。

【讨论】：

第三第四操作我不是很懂。我应该丢弃哪些点？
@SimonG。第三个是角点，第四个是偏离/颠簸的点（你的术语）（对最小边缘边界有负面影响）

【解决方案3】：

我会这样做：

使用霍夫变换来计算线方程。如果通过法向量参数化一条线，则垂直/水平线应该没有问题；
然后，通过计算线的交点得到矩形的 4 个角；
最后，通过计算矩形对角线的方程，然后寻找它们的交点来获得中心。

步骤 1 和 2 已经在您提供的链接中完成。

如果霍夫线检测不够稳健怎么办？

在这种情况下，我会使用 A. Desolneux 提出的一种称为meaningful alignments 的非常强大的检测算法。起初它背后的数学可能看起来有点吓人，但该算法仍然很容易实现（虽然可能有点慢）。我以前用过，效果真的和作者说的一样好。

【讨论】：

您是指标准霍夫变换还是概率霍夫变换？我尝试使用标准变换，但我得到了许多不正确的线条，特别是对于矩形的较短边。使用概率变换我得到了我的问题中描述的问题。
我向您推荐另一种非常强大的线检测方法。请参阅答案中的链接。