“简单”的边线检测

Question

在图像中我需要找到“表格” - 简单的矩形。 问题在于边缘识别，因为潜在的照片会很“暗”。
我尝试了边缘 - sobel，canny，log，.... - 识别，然后是霍夫变换和寻线。但这种算法不足以完成这项任务。
有什么可以帮助我的：
- 它是矩形！，仅在透视图中（类似于适合透视矩形的东西？）
- 该对象必须覆盖至少 90% 的照片（我知道我需要查看照片边缘附近）
- 该矩形具有快速相同的颜色（例如木餐桌）
- 我需要找到至少“仅”4 个角..（但是是的，最好找到那张桌子的边缘）

我知道例如 sobel、canny 或 log 算法的工作原理，我也知道 Hough。当然，这些算法在黑暗或非对比度图像上会失败。但是是否还有其他方法，例如基于“拟合”的方法？

图片显示我可以得到的照片（你看它会很暗）和我需要的东西找到：



这真的是“漂亮”的图片（没有噪音）。我在更多噪点图片上对其进行了测试，结果……简直太可怕了……
这张图片的结果与实际算法日志（与另一张看起来相同）：

我知道图像和边缘识别不是简单的挑战，但是我可以尝试使用一些新的更好的方法或类似的方法吗？
在这里的一篇文章中，我发现了 LSD 算法。它的描述看起来非常好，而且它似乎也能识别出非常好的直线。您认为将它用于 canny 或 sobel 检测会更好吗？
另一种解决方案是角点检测，在我的示例图像上效果更好，但它识别的点太多并且时间会出现问题..我需要连接所有点并“找到”表格..

另一种解决方案：
我想到了点对点映射。我将有一些“虚拟”表并尝试将上面的表与那个“虚拟”表映射（绘画中的简单二维正方形：]）..但我认为点对点映射会给我带来很大的错误，或者它不会工作.

有人对算法使用什么有任何建议吗？
我尝试在 FIJI 中识别边缘，然后将边缘检测到的图像放入 matlab 中，但是它也不好用..:/..

你认为最好用什么？简而言之，我需要找到一些处理非对比度、暗图像的算法。

Answer 1

我会尝试一些修改后的snakes 算法：

你用 4 个点参数化你的矩形，并在图像角落的某个地方初始化它们。然后使用一些优化算法（例如梯度下降、模拟退火等）将这些点移向图像特征。

图像特征可以是要在这四个点之间的线上评估的边缘特征（例如直接索贝尔或某些高斯滤波图像的索贝尔）和要在这四个点上评估的角特征的组合。

此外，您可以惩罚不太可能的矩形（可能取决于点之间的角度或到图像边界的距离）。