如何识别这个图像中的矩形？
我有一个水平和垂直线的图像。 事实上，这个形象是BBC网站转换成横向和纵向的线条。 我的问题是，我想能够find图像中的所有矩形。 我想编写一个计算机程序来查找所有的矩形。 有谁知道如何做到这一点或build议如何开始的想法？ 这个任务对我来说很容易find视觉矩形，但我不知道如何将其描述为一个程序。
图片是BBC网站http://www.bbc.co.uk/
谢谢，菲利普
更新到这里，我写了将BBC网站图片转换成水平和垂直线的代码，问题是这些线条在angular落处并不完全相遇，有时它们并不完全形成矩形。 谢谢！
Opencv （用c编写的image processing和计算机视觉库）具有hough变换的实现（简单的hough变换在图像中查找线，而泛化的变换find更复杂的对象），这可能是一个好的开始。 对于确实有闭angular的矩形，还有angular点探测器，如cornerHarris，它可以帮助。
我跑了与opencv提供的houghlines演示，这里是你给的图像的结果（检测到的线条标记为红色）： alt text http://imageapp.splintec.comhttp://img.dovov.comScreenshot2.png
我相信你正在寻找广义Hough变换 。
在计算机视觉中有一种叫做广义霍夫变换的algorithm，可以解决你的问题。 应该有开源的代码已经实现了这个algorithm。 只要search它。
假设这是一个合理的无噪声图像（而不是一个屏幕的video），那么简单的洪泛algorithm之一应该工作。 您可能需要在图像上运行扩张/侵蚀以缩小差距。
寻找线的正常方法是霍夫变换（然后find直angular线）Opencv是最简单的方法。
看看这个问题OpenCV对象检测 – 中心点
有几个不同的方法来解决你的问题。 我会使用像这样的形态image processing工具。 您将可以灵活地定义“矩形”，即使是“完全closures”（填充algorithm将失败）的东西。
另一种可能是使用机器学习方法，基本上比上一个定义驱动更多的数据驱动。 你必须给你的algorithm几个矩形的“例子”，它最终将学习（ 偏见和错误率）。
从左到右迭代，直到你点击一个彩色像素，然后使用修改的洪水填充algorithm。 更多关于algo flood fill @ wiki的信息
洪水填充将工作，或者你可以使用边缘跟踪algorithm的修改。
你所做的是：创build一个二维数组（或任何其他的d2数据结构） – 每一行代表屏幕上的一个水平像素线，每一列垂直线
遍历所有的像素，从左到右，每当你find一个彩色的坐标添加到数组
迭代遍历数组，find行并存储每个元素的开始和结束像素（不同的数据结构）
知道每一行的开始是它的左/顶像素，你可以很容易地检查是否有任何4行包含一个矩形
从几乎感人的水平线和垂直线的图像中，只能看到矩形：
- 转换为二进制（即所有的行是白色的，其余的是黑色的）
- 执行二进制扩张 （在这里，您将使每个像素都接触到源图像中的白色像素，或者是源图像中的白色像素是白色的，只是触摸是直线的（所以每个像素“接触”像素在其左上方，右上方和下面）这被称为“四连接”
- 重复步骤3几次，如果两端之间的差距大于2像素宽，但不太经常！
- 执行一个骨架操作（在这里，如果input图像中的每个像素是源图像中的一个白色像素，触摸至less一个黑色像素，并且它接触到的白色像素（在源图像中）全部触摸海誓山盟，则再次触摸定义为4连通性，见下面的示例。
- 重复第4步，直到重复后图像不会改变（所有的白色像素是行结束或连接器）
这将有一点运气，首先显示厚厚的线条框，在整个图像（步骤3之后）留下厚厚的人工制品，然后在步骤5后，所有厚厚的人工制品将被删除，而所有的盒子仍然保留。 您需要在第3步中重复重复次数以获得最佳结果。 如果你对图像形态感兴趣， 这是我所学的一门非常好的入门课程。
示例：（0 =黑色，1 =白色，正在考虑每个3×3块的中心的像素，input左边，输出右边）
011 => 011 011 => 001 all other white pixels touch, so eliminate 011 => 011 010 => 010 010 => 010 top pixel would become disconnected, so leave 010 => 010 010 => 010 010 => 000 touches only one white pixel, so remove 000 => 000 010 => 010 111 => 111 does not touch black pixels, leave 010 => 010 010 => 010 011 => 011 other pixels do not touch. so leave 000 => 000 另一种方法是在图像上find任意颜色的像素，然后去处理
while(pixel under current is colored) { lowest pixel coordinate = pixel under current current = pixel under }
然后向上做同样的事情。 现在你已经定义了一条线。 然后使用行的末端来将线条近似匹配成矩形。 如果他们不是像素完美的，你可以做一些类似的tresholding。
;){kind=link}