假设在 MATLAB 中进行简单的边缘检测答案

【问题标题】：Supposed easy edge detection in MATLAB假设在 MATLAB 中进行简单的边缘检测
【发布时间】：2014-05-01 14:54:03
【问题描述】：

我有以下图像：，我想检测一下直觉上看起来很容易的音符轮廓，但是当我尝试这样做时，实际上并不那么容易。

为了快速原型设计，我首先开始使用 MATLAB（但后来我想在 Java 中进行，因此我不想在 MATLAB 中使用太多特殊算法，而是尝试使用基本的图像处理算法（prewitt / sobel / canny / 自适应阈值 / hough trafo）也很容易以另一种语言提供（例如 opencv 等）..

最容易开始的代码是（但我认为这应该已经相当不错了，因为与内部相比，外部边缘看起来更强大）：

I = double(rgb2gray(imread('img.jpg')));
bw = edge(I, 'canny');
imshow(bw)

我认为matlab在使用自动模式时会很好地选择canny过滤器中的阈值。但实际上并没有：http://i.imgur.com/LeKPgso.png

当手动将阈值设置为标量时（例如设置为 0.4），内部文本的渐变仍然太多，而外部边框已经太不完整/不完整：http://i.imgur.com/p68CVIU.png

我尝试使用 prewitt 过滤器（在 x 和 y 方向）：

I = double(rgb2gray(imread('img.jpg')));
f1 = double(fspecial('prewitt'));
x = conv2(I, f);
y = conv2(I, f');
bw = (x.^2+y.^2).^0.5;
colormap(gray(256))
imagesc(bw);

导致：http://i.imgur.com/Jd9Fqpn.png 所以也不是很好... 它看起来更好，但外面仍然很不完整:(

任何想法如何改进它？此外，我想稍后将图像展开为矩形。关于如何做的任何想法？霍夫变换不适用于像上图这样的非直线轮廓，因为它会产生直线...

非常感谢！

编辑：好吧，我发现斑驳的外观来自 MATLAB... 放大时，它好多了，斑驳更少，请参阅：http://i.imgur.com/UrPd8me.png 我可以想象通过缩小外轮廓来找到轮廓，因为在这种情况下它是全黑的（某种边界框）。但我不想假设因为这些照片并不总是打开手电筒拍摄，例如：http://i.imgur.com/nfqygmA.jpg 那么外围区域会有一些噪音...

Edit2：刚找到Algorithm to detect corners of paper sheet in photo 显然看起来不太容易。 :) 也许你有一些新的想法可以开始。

【问题讨论】：

标签： algorithm matlab opencv image-processing edge-detection

【解决方案1】：

这是 C++ 中的原型：

#include <iostream>
#include <vector>
#include <stdio.h>
#include <stdarg.h>
#include "opencv2/opencv.hpp"
#include "fstream"
#include "iostream"
using namespace std;
using namespace cv;
//-----------------------------------------------------------------------------------------------------
// 
//-----------------------------------------------------------------------------------------------------
int main( int argc, char** argv )
{
    namedWindow("Img");
    Mat Img=imread("Test2.JPG",0);
    cv::resize(Img,Img,Size(Img.cols/8,Img.rows/8));
    cv::threshold(Img,Img,100,255,cv::THRESH_OTSU);
    cv::dilate(Img,Img,cv::Mat::ones(3,3,CV_8UC1));
    cv::erode(Img,Img,cv::Mat::ones(23,23,CV_8UC1));
    cv::resize(Img,Img,Size(Img.cols*8,Img.rows*8));
    imshow("Img",Img);
    waitKey(0);
    return 0;
}

它给出输出图像（之后只找到轮廓）。

【讨论】：