图像处理如何检测图像中的特定自定义形状

Question

我想检测一个特定的形状，它是 2 个五边形和一个正方形的组合。然而，正方形的边应该是五边形的 3 倍左右，以匹配如图所示的有效形状。

我正在根据自己的要求学习不同的图像处理技术。

1. 轮廓检测：问题是知道有 7 个角是不够的，因为 x : 3x 需要验证。

2. Haar 特征：问题是图像由背景组成，并且这些对象内有文本。所以我认为 haar 不会是最佳方法。

我的想法

我想我可以检测线角并使用边长我可以做一些数学运算并识别图像。是否有任何图像处理技术使用数学距离、比例、位置来识别对象？

原图

匹配

不匹配

Answer 1

这是一个简单的方法：

1. 获取二值图像。加载图像，转换为灰度，Gaussian blur，然后Otsu's threshold。

2. 过滤所需轮廓。我们find contours 然后使用contour approximation + contour area 的组合进行过滤。观察到形状具有较大的面积差异，我们可以使用预定的阈值区域来识别两者。

---

输入->二进制图像->检测到的形状

结果

Match

输入->二进制图像->检测到的形状

结果

No Match

由于你没有指定语言，我用 Python 实现

import cv2
import numpy as np

# Load image, grayscale, Gaussian blur, Otsus threshold
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (3,3), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Find contours
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.04 * peri, True)
    area = cv2.contourArea(c)
    # Filter using contour approximation and area filtering (Remove small noise)
    if len(approx) > 4 and len(approx) < 8 and area > 200:
        # This is the larger version
        if area >= 5500:
            print('Match')
        # Smaller version
        elif area < 5500:
            print('No Match')
        cv2.drawContours(image, [c], -1, (255,0,12), 3)

cv2.imshow('thresh', thresh)
cv2.imshow('image', image)
cv2.waitKey()