cvFindContour() 的更快替代方案答案

【问题标题】：Faster Alternatives to cvFindContour()cvFindContour() 的更快替代方案
【发布时间】：2012-07-05 08:42:38
【问题描述】：

轮廓检测占用了我在计算机视觉中的大部分时间，而且它需要更快。我已经通过 NEON 指令优化了其他所有内容并进行了矢量化，实际上，轮廓检测主导了轮廓。不幸的是，我不清楚如何优化它。

我正在执行经典的矩形检测过程来查找基准标记，即 cvFindContours()，然后从轮廓近似正方形。在许多标记可见的情况下（或者灾难性的，当不可见标记的密集矩形网格可见时），在 iPhone 上单独调用 cvFindContours() 可能需要超过 30 毫秒。

我已经用 cvFindContours() 替换了极其昂贵的 C++ cv::FindContours()。特别是如果传递一个向量 >，C++ 版本分配和填充向量的时间比其内部 cvFindContours() 花费的时间长！

现在，我完全被 cvFindContours 中的时间所束缚，或者更具体地说，在 cvFindNextContour() 中。 cvFindNextContour 中的代码是分支繁重的，并且显然不容易矢量化。它还实现了一个复杂的算法，我不相信自己在任何优化尝试中都不会出错。

我已经查看了 cvBlobLib（为了消除歧义，我指的是这个：http://code.google.com/p/cvblob/），看看它是否提供了可以更快地完成同样事情的替代算法。源的基本下载非常慢，因为它将轮廓记录到 std::list() 中，并且几乎所有时间都花在内存分配上。用一个预先调整为 256 个元素的 std::vector 替换该列表以消除 push_back() 上的初始副本，仍然会得到一个比 cvFindContours() 长 3 倍的函数，其中 66% 直接在 cvb::cvLabel( ）。所以走这条路似乎不可行。

是否有人对如何优化对许多矩形的检测有任何想法。我含糊的挥手包括：

是否有任何与 cvFindContour() 等效的快速实现，最好是作为多平台的源代码？
大多数轮廓不是必需的，只有“成功”的矩形有用。特别是，它们的内部轮廓就没有用了。从理论上讲，我是否可以根本不调用 cvFindContours，而是调用 cvStartFindContours/cvFindNextContour，测试找到的每个轮廓，如果我找到了我正在寻找的矩形，则不递归，因为子矩形保证是无用的？
我可以使用与经典 FindContours()/ApproxPoly() 方法完全不同的矩形检测算法吗？
有没有办法为 cvFindContours 提供有用的感兴趣区域？例如。即使使用非常激进的阈值，FAST 角点检测几乎总是会返回我的基准标记角点。有没有办法使用该点来限制检测？（不幸的是，我不确定这有多大帮助，同样在许多标记或与标记无关的密集网格线的情况下，这在我的应用程序中经常发生。）

欢迎任何想法！

【问题讨论】：

只是对您的观点 5 的评论。洪水填充通常不是检测斑点的最有效方法。相反，您想使用两遍或一遍算法，其中一些是可并行的。 “连接组件标签”的 Wikipedia 页面是一个很好的起点。
这里有什么更新吗？新见解？我也有类似的问题。
快速 AR 标记检测算法不使用 findContours，而是在梯度图中（并行）找到部分边缘，然后将它们重新组合成完整边缘，然后再组合成四边形。
您能否提供一个示例图像。你想要什么样的检测
@stukmen 可能类似于frl.nyu.edu/wp-content/uploads/2.jpg 不幸的是，我无法提供我的用例的确切示例。

标签： opencv arm computer-vision augmented-reality

【解决方案1】：

由于您的目标是矩形检测而不是轮廓检测，我建议使用积分图像进行计算。积分图像的解释可以找到here。在计算出所需图像的积分图像后，可以通过三个操作来计算矩形的像素和。

假设您想在每个非黑色对象周围绘制矩形，您可以使用如下方法。递归地将图像及其子图像划分为 4，并丢弃像素总和低于所需阈值的矩形。您将留下许多与您的对象近似的小矩形。合并相邻的矩形将产生检测到的对象的快速近似值。

【讨论】：