我有一组二进制图像，我需要在其上找到十字架（附上示例）。我使用 findcontours 从二进制图像中提取边框。但我不明白如何确定这个形状（边界）是否交叉？也许opencv有一些内置的方法，可以帮助解决这个问题。我想用机器学习来解决这个问题，但我认为有一种更简单的方法可以做到这一点。谢谢！
问问题
1622 次
5 回答
2
Viola-Jones 对象检测可能是一个好的开始。尽管该算法 (AFAIK) 的主要用途是人脸检测，但它实际上是为任何对象检测而设计的，例如你的十字架。
该算法是基于机器学习的算法（因此，您将需要一组分类的“交叉”和一组分类的“非交叉”），并且您需要识别有助于识别的重要“特征”（模式）算法识别十字架。
该算法在 OpenCV 中实现为cvHaarDetectObjects()
于 2012-11-09T21:00:53.130 回答
2
从原始图像中，假设您已经提取了可能成为您的十字架的多边形集。假设所有的十字架都是可见的，在某种程度上所有的边都可以被区分为有长度，你可以尝试以下方法。
拒绝所有没有形成多边形所需的恰好 12 个顶点的多边形。
重新排序顶点，使最短的边长在前。
创建一个最适合的透视变换，将你的顶点映射到一个统一大小的十字上
检查使用此变换生成的残差，将您的十字投影回均匀十字上，其中任何给定点的残差是投影点与相应均匀点之间的距离。
- 如果所有残差都在您定义的容差范围内，则您已找到交叉。
请注意，这主要是由于您正在搜索的几何形状的简单性。您的轮廓还需要去除噪声才能使其正常工作，例如，十字内的每条线都需要转换为一条简单的线。
于 2012-11-12T14:20:20.467 回答
0
经过几天的努力，我得出一个结论，这里唯一可靠的方法是使用 SVM + HOG。就这样。
于 2012-11-12T13:38:07.477 回答
0
您可以侵蚀每个斑点并分析它们的像素数量正在下降。无论十字的旋转缩放比例如何，它们都应该始终以相同的比例下降，除非您关闭剩余的中心。同样，当 blob 足够小时，您应该期望它位于原始 blob 的中心。您不需要任何机器学习算法或训练数据来解决这个问题。
于 2012-11-15T05:57:24.540 回答