图像处理的边界检测算法

Question

我需要一种可以识别输入图像整体形状的算法。 我尝试了边缘检测和角点检测，但它们也在识别倾斜和曲线。

如果我输入图像，算法应该检测高于初始点的点，除非它是图像顶部的最后一个点，对于底部，算法应该识别那些低于初始点的点。 通过这个过程，算法应该可以创建图像的整体边界形状，然后将其返回。

有什么建议或链接吗？

输入图像：

预期 output：

Answer 1

由于您没有提供任何库，我已经展示了如何使用 OpenCV 来完成它。

正如评论中提到的，找到凸包是您正在寻找的。 凸形是内角不大于 180 度的形状。 有关更简单的解释，请查看他的博客页面

以下代码使用 OpenCV 在 Python 中编写：

# read the input image 
img = cv2.imread('red_plot.png')
img2 = img.copy()

# convert to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# obtain binary image, such that the red pixels are white
th = cv2.threshold(gray,127,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)[1]

# find contours (shapes with white pixels)
contours, hierarchy = cv2.findContours(th, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

contours包含在二值图像中找到的所有形状的边界点。 注意单词边界，因为我们只考虑白色区域的形状。 为此，我们在查找轮廓时使用cv2.RETR_EXTERNAL标志。

并且由于 plot 中的线没有连接，因此我们获得了多个轮廓。 以下代码段将所有轮廓的点收集在一个变量中：

cc = np.array([[0, 0]], dtype=int)
for i, c in enumerate(contours):
    c_modified = c.reshape(len(contours[i]), 2)
    cc = np.concatenate((cc, c_modified), axis = 0)

cc2 = cc[1:]
combined_contour = np.reshape(cc2, (cc2.shape[0], 1, cc2.shape[1]))

combined_contour包含所有红色像素的边界点。

# finding convex hull
hull = cv2.convexHull(combined_contour, False)

# draw the result
color = (0, 255, 0)
img2 = cv2.drawContours(img2, [hull], -1, color, 3)
cv2.imshow('Convex hull', img2)
cv2.waitKey(0)