如何将矩形拟合到python中的图像并获取它们的坐标

Question

我正在寻找一种将多个图像分割成适当矩形的方法。这些矩形的形状非常理想，使得它们中的每一个都具有尽可能大的尺寸，而不会包含很多白色。

假设我们有以下图像

我想得到这样的输出：

注意重叠的矩形、孔和非轴对齐的矩形，所有这些都可能是我必须处理的场景。

我的目标是获取描述矩形角块的坐标，例如

[[(73,13),(269,13),(269,47)(73,47)],
 [(73,13),(73,210),(109,210),(109,13)]
...]

为了做到这一点，我已经查看了cv2.findContours，但我无法让它处理重叠的矩形（尽管我可以使用层次模型来处理孔，因为这会导致轮廓被合并到一个。

请注意，虽然未显示孔可以嵌套。

Answer 1

大致如下工作的算法应该能够为您提供您寻求的结果。

1. 获取图像中的所有角点。
2. 随机选择3个点创建一个矩形
3. 计算矩形内黄色像素的比率，如果比率满足阈值则接受。
4. 重复 2 到 4 直到： a) 点的每一个组合都是完整的或 b) 所有黄色像素均已计算在内或 c) 经过 n 次迭代

这个算法的难点在于第 2 步，从 3 个点创建矩形。

如果所有矩形都是直角，您可以简单地找到对应于左上角的最小 x 和 y，以及对应于新矩形的右下角的最大 x 和 y。

但是由于您有离轴矩形，因此您需要在生成矩形之前检查从 3 个点创建的两个向量之间是否具有 90 度角。