我想实现一种算法，该算法将找到轮廓的边界矩形（已经由另一种算法确定）。我唯一拥有的是二值化图像（如下所示）。基本思想是：
采取这样的方式 - 预处理的二值化图像
并产生这样的东西
问问题
2301 次
5 回答
4
查看连接组件标签：http ://en.wikipedia.org/wiki/Connected-component_labeling 。在这种情况下，您可以找到白色像素或黑色像素的连通分量（白色在计算上更容易，因为图像中的白点较少）。
于 2012-01-14T06:25:59.770 回答
1
我可以建议一个天真的方法作为开始：
在图像中，对图像中的中间点 (x,y) 进行 2D 二进制搜索。从那时起，执行洪水填充。
如果填充图形的边界不是图像的边界，那么您找到了一个封闭的图形，因此找到了它的边界框。
如果它填满了整个图像，那么你什么也没打，所以把图像分成四个 cuadrants 并递归地做同样的事情。（您无需检查落入先前找到的边界框图形内的点，从而在此过程中减少您的搜索空间）。
于 2012-01-14T04:38:49.153 回答
0
对于每个元素：
They highest y - 1 is the top of the rectangle.
The leftmost x - 1 is the left of the rectangle.
The lowest y + 1 is the bottom of the rectangle.
The rightmost x + 1 is the right of the rectangle.
请注意，最高是指最接近屏幕顶部的值，而不是最大值。
于 2012-01-14T04:41:07.707 回答
0
看起来 OpenCV 有一些算法可以找到已经实现的轮廓的边界框。因此，研究它们的功能如何工作可能是一个很好的开始。 http://opencv.itseez.com/doc/tutorials/imgproc/shapeescriptors/bounding_rects_circles/bounding_rects_circles.html
于 2012-01-14T04:49:07.237 回答
-1
您可以计算最小生成树并删除最长的边。然后你可以计算k-means。移除另一个长边并计算 k-means。冲洗并重复，直到 N=10。我相信这个算法被命名为单链接 k-means 并且集群类似于 voronoi 图：
“单链接 k 聚类算法……正是 Kruskal 的算法……相当于找到一个 MST 并删除 k-1 个最昂贵的边。”
例如，请参见此处：https ://stats.stackexchange.com/questions/1475/visualization-software-for-clustering
然后为每个集群应用此规则：
They highest y - 1 is the top of the rectangle.
The leftmost x - 1 is the left of the rectangle.
The lowest y + 1 is the bottom of the rectangle.
The rightmost x + 1 is the right of the rectangle.
请注意，最高是指最接近屏幕顶部的值，而不是最大值。
于 2012-01-14T07:45:46.310 回答