如何确定多个元素的边界矩形？

Question

我想实现一个算法，它将找到轮廓的边界矩形（已经由另一个算法确定）。 我唯一拥有的是二值化图像（如下图所示）。 基本想法是：

• 采取这样的事情 - 预处理的二值化图像

• 并产生这样的东西

Answer 1

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接组件（由于图像中的白点较少，白色在计算上更容易）。

Answer 2

我可以建议一个天真的方法开始：

在图像中，对图像中的中间点（x，y）进行二维二分搜索。 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，那么您找到了一个封闭的图形，因此找到了它的边界框。

• 如果它填满整个图像，那么你什么也没有，所以将图像分成四个cuadrants并递归地执行相同的操作。 （您不需要检查落在先前找到的边界框图内的点，在此过程中切断搜索空间）。

Answer 3

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.

注意最高我的意思是最接近屏幕顶部而不是最大值。

Answer 4

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，研究他们的功能如何运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

Answer 5

您可以计算最小生成树并删除最长边。 然后你可以计算k均值。 删除另一条长边并计算k均值。 冲洗并重复，直到N = 10。 我相信这个算法被命名为单链路k-means，集群类似于voronoi图：

“单链路k聚类算法......正是Kruskal的算法......相当于找到MST并删除k-1最昂贵的边缘。”

例如，请参阅： https ： //stats.stackexchange.com/questions/1475/visualization-software-for-clustering

然后，对于每个群集，您应用此规则：

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.

注意最高我的意思是最接近屏幕顶部而不是最大值。