包含不需要的点的轮廓近似答案

【问题标题】：Contour approximation containing undesired points包含不需要的点的轮廓近似
【发布时间】：2013-01-17 10:06:51
【问题描述】：

您好，我遇到了多边形问题。我不知道要找什么，所以我决定在这里问。下图显示了一个简单的形状。使用 OpenCV 的findContours() 检测轮廓，并使用CV_CHAIN_APPROX_TC89_KCOS（对于那些想知道这是如何完成的人）算法进行近似，以便将一条线上的所有点汇总为一条线。所以无论如何，一些轮廓在形状中包含某种，我称之为噪声。下图显示了噪声的含义。红线是轮廓。（对不起没有ms的绘画技巧）

我的目标是重新定义形状以近似形状，但要忽略这种“噪音”。所以轮廓应该是这样的。蓝线表示校正后的轮廓。

【问题讨论】：

你检查cv::approxPolyDP了吗？看起来它正在做你想要实现的目标。如果您有陡峭的角度，您可能需要部分应用该函数，而不是一次在整个多边形上应用。
我试试看。我会在几分钟内提供反馈
CV::approxPolyDP 运气不好
它会产生什么结果？错误的多边形？
结果依偎在不忽略噪音的情况下

标签： opencv polygon shapes approximation

【解决方案1】：

尝试使用...cvGoodFeatuersToTrack()....检测角点，但有一个标准，即角点应相隔一定距离...如果角点形成一个簇，则丢弃它们。
从轮廓中的点列表...选择具有（最高 x，最高 y）、（最高 x，最低 y）、（最低 x，最高 y）和（最低 x，最低 y）的点)....现在加入这四点...
如果角落本身有“噪点”，请尝试使用 Hough 变换检测图像中的直线...

【讨论】：

这听起来很有用，但是如果我的多边形不是一个简单的矩形呢？ L形多边形之类的东西？（我会快速更新我的问题）
90 度角出现“噪音”的可能性有多大？
接近于零。顺便说一句，搜索集群的非常好的方法！ +1
然后采用第一种方法...我认为这很容易...!!
好，我会尽快实现

【解决方案2】：

我可以提出另一种方法：

1)您可以使用Hough Line Transform 检测图像上的线条（在使用 Canny 检测轮廓之前）。您不能通过在 HoughLinesP 方法中使用相当大的阈值（“检测”一条线的最小交叉点数）来考虑小线。

2) 找到所有线后，您可以找到它们的交点，正如@DanielHsH 描述的here。因此，您将能够找到所有角落。

【讨论】：