这次是利用opencv来识别图片中的矩形。

其中遇到的问题主要是识别轮廓时矩形内部的形状导致轮廓不闭合。

过程如下：

**1. 对输入灰度图片进行高斯滤波

2. 做灰度直方图，提取阈值，做二值化处理

3. 提取图片轮廓

4. 识别图片中的矩形

5. 提取图片中的矩形**

1.对输入灰度图片进行高斯滤波

cv::Mat src = cv::imread("F:\\t13.bmp",CV_BGR2GRAY);

cv::Mat hsv;

GaussianBlur(src,hsv,cv::Size(5,5),0,0);

2.做灰度直方图，提取阈值，做二值化处理

由于给定图片，背景是黑色，矩形背景色为灰色，矩形中有些其他形状为白色，可以参考为：

提取轮廓时，矩形外部轮廓并未闭合。因此，我们需要对整幅图做灰度直方图，找到阈值，进行二值化处理。即令像素值(黑色)小于阈值的，设置为0(纯黑色)；令像素值(灰色和白色)大于阈值的，设置为255(白色)

// Quantize the gray scale to 30 levels

int gbins = 16;

int histSize[] = {gbins};

// gray scale varies from 0 to 256

float granges[] = {0,256};

const float* ranges[] = { granges };

cv::MatND hist;

// we compute the histogram from the 0-th and 1-st channels

int channels[] = {0};

//calculate hist

calcHist( &hsv, 1, channels, cv::Mat(), // do not use mask

hist, 1, histSize, ranges,

true, // the histogram is uniform

false );

//find the max value of hist

double maxVal=0;

minMaxLoc(hist, 0, &maxVal, 0, 0);

int scale = 20;

cv::Mat histImg;

histImg.create(500,gbins*scale,CV_8UC3);

//show gray scale of hist image

for(int g=0;g

float binVal = hist.at(g,0);

int intensity = cvRound(binVal*255);

rectangle( histImg, cv::Point(g*scale,0),

cv::Point((g+1)*scale - 1,binVal/maxVal*400),

CV_RGB(0,0,0),

CV_FILLED );

}

cv::imshow("histImg",histImg);

//threshold processing

cv::Mat hsvRe;

threshold( hsv, hsvRe, 64, 255,cv::THRESH_BINARY);

3.提取图片轮廓

为了识别图片中的矩形，在识别之前还需要提取图片的轮廓。在经过滤波、二值化处理后，轮廓提取后的效果比未提取前的效果要好很多。

vector approx;

for (size_t i = 0; i < contours.size(); i++)

{

approxPolyDP(Mat(contours[i]), approx,

arcLength(Mat(contours[i]), true)*0.02, true);

if (approx.size() == 4 &&

fabs(contourArea(Mat(approx))) > 1000 &&

isContourConvex(Mat(approx)))

{

double maxCosine = 0;

for( int j = 2; j < 5; j++ )

{

double cosine = fabs(angle(approx[j%4], approx[j-2], approx[j-1]));

maxCosine = MAX(maxCosine, cosine);

}

if( maxCosine < 0.3 )

squares.push_back(approx);

}

}

5.提取图片中的矩形

由于图片中矩形倾斜角度不太大，所以没有做倾斜校正这步操作

这是主函数提取部分代码

//get rect from image

std::vector compression_params;

compression_params.push_back(CV_IMWRITE_PNG_COMPRESSION);

compression_params.push_back(9);

for(int i=0;i

int rect[4],*tmp;

tmp = findRectInfo(squares[i]);

for(int j=0;j<4;j++)

rect[j] = *(tmp+j);

cv::Rect roi(rect[1],rect[0],rect[3],rect[2]);

cv::Mat roi_of_image = src(roi);

char * filename = new char[100];

sprintf(filename,"F:\\vs\\ConsoleApplication2\\resultPic_t35\\%i.png",i);

cv::imwrite(filename,roi_of_image,compression_params);

}

这是计算每个矩形的左上角点x,y坐标和长宽值

int* findRectInfo(std::vector<:point> rect)

{

int rectInfo[4] = {0};

int x[4]= {0},y[4]= {0};

int maxX = 0,maxY = 0,minX = 2000,minY = 2000;

//get the rect points

for(int i=0;i<4;i++){

x[i] = rect[i].x;

y[i] = rect[i].y;

if(maxX

maxX = x[i];

if(maxY

maxY = y[i];

if(minX>x[i])

minX = x[i];

if(minY>y[i])

minY = y[i];

}

rectInfo[0] = minY;

rectInfo[1] = minX;

rectInfo[2] = maxY - minY;

rectInfo[3] = maxX - minX;

return rectInfo;

}

识别并提取结果为：