区分实线和虚线的相关性

Question

想了解自相关是否是区分实线和虚线的好主意。

我得到固定尺寸的图像，由虚线（不同图像中可变频率的间隙）和实线（实线的长度可能不会延伸到整个图像尺寸）组成

首先，我开始收集图像沿其长度的补丁窗口强度，并在浮点的 std::vector 中获得其补丁强度比（每个补丁的总强度/补丁大小 * 255）

考虑使用patch ratio > threshold number作为一种检测形式。但是，如果遇到没有完全延伸到整个图像长度的实线，这将失败。

有人建议使用自相关来检测是否存在满足阈值的多个峰值（希望我做对了）。现在我在这里有几个问题

1. 这种方法真的可行吗？或者可能有其他指标或方法来区分虚线和实线
2. 是否有人有代码与 std::vectors 进行自相关？或者可以请我指出一个实现。我正在使用 OpenCV 和 C++

顺便说一句，这是我的图片

虚线

实线

Answer 1

一种简单的方法是使用虚线比实线具有更少像素的观察结果。使用此信息，我们可以使用cv2.countNonZero() 来确定非零元素的数量。由于您的图像已经过阈值处理，因此像素较多的图像应为实线，而像素较少的图像应为虚线。

结果：

('虚线', 246)

('固体', 1193)

我的实现是用 Python 实现的，但您可以使用相同的想法轻松地将其转换为 C++

import cv2

dashed = cv2.imread('dashed.png')
dashed = cv2.cvtColor(dashed, cv2.COLOR_BGR2GRAY)
solid = cv2.imread('solid.png')
solid = cv2.cvtColor(solid, cv2.COLOR_BGR2GRAY)

cv2.imshow('dashed', dashed)
cv2.imshow('solid', solid)

dashed_pixels = cv2.countNonZero(dashed)
solid_pixels = cv2.countNonZero(solid)

print('dashed', dashed_pixels)
print('solid', solid_pixels)
cv2.waitKey(0)