使用OpenCv检测图像中的矩形明亮区域

Question

我之前曾问过一个问题，使用c ++在图像中标记兴趣点 。 我使用相同的解决方案，并使用自适应阈值和斑点检测算法 （增长区域）获得了要求的点。 我有原始源图，我想在其中检测矩形区域

原始图片：

但是，在使用算法后，我得到了这样的信息（如果在新选项卡中打开它的细节可见）

标记的图像：

除了矩形区域，还可以看到明亮的日光照明点。 我已经使用了双边过滤，但仍然无法检测到矩形区域，但是该算法适用于夜景图像，该夜景的背景比预期的要暗。

有人可以建议我使用相同的算法进行一些修改是否足够，或者是否可以使用其他有效方式。

谢谢

Answer 1

使用模糊和阈值的简单组合，我设法得到了这个结果（调整大小以供查看）：

之后，应用腐蚀和squares.cpp技术 （来自OpenCV的示例）输出：

这几乎是您要寻找的结果：成功检测到矩形的底部。 您需要做的就是增加检测到的矩形（红色正方形） 的高度 ，以适合您的关注区域。

码：

Mat img = imread(argv[1]);

    // Blur
Mat new_img = img.clone();
medianBlur(new_img, new_img, 5);

// Perform threshold
double thres = 210;
double color = 255;
threshold(new_img, new_img, thres, color, CV_THRESH_BINARY);
imwrite("thres.png", new_img);

// Execute erosion to improve the detection
int erosion_size = 4;   
Mat element = getStructuringElement(MORPH_CROSS,
                                   Size(2 * erosion_size + 1, 2 * erosion_size + 1),
                                   Point(erosion_size, erosion_size) );
erode(new_img, new_img, element);
imwrite("erode.png", new_img);

vector<vector<Point> > squares;
find_squares(new_img, squares);
std::cout << "squares: " << squares.size() << std::endl;

draw_squares(img, squares);

imwrite("area.png", img);

编辑 ：

find_squares()函数返回一个向量，其中包含图像中找到的所有平方。 因为它在图像的每个通道上进行迭代，所以在您的示例中，它成功检测到每个图像中的矩形区域，因此打印squares.size()输出3 。

由于正方形可以看作是4个（X，Y）坐标的vector<Point> ，因此OpenCV将此概念表示为vector<Point>使您可以访问X和Y部分的坐标。

现在，打印squares表明已在逆时针方向上检测到这些点：

1st ------ 4th
 |          |
 |          |
 |          |
2nd ------ 3rd

在此示例之后，很明显，如果您需要增加矩形的高度，则需要更改第一点和第四点的Y：

for (int i = 0; i < squares.size(); i++)
{
    for (int j = 0; j < squares[i].size(); j++)
    {
    //  std::cout << "# " << i << " " << squares[i][j].x << ","<< squares[i][j].y << std::endl;
        if (j == 0 || j == 3)
            squares[i][j].y = 0;
    }
}

Answer 2

在上面显示的图像中，我建议

1. 正常的阈值操作应该效果很好，或者

2. 逐行链式代码“计算”或

3. 在直方图中查找渐变。

会有很多其他解决方案。 如果这是一致的，我会考虑减去背景阴影。