Reconnaissance de formes superposées (OpenCV)

Question

J'ai une image simple contenant des formes: des rectangles et des ellipses, au nombre de 4 ou 5. Les formes peuvent être tournées, mises à l'échelle et superposées. Il y a un exemple d'entrée: Ma tâche est de détecter toutes ces figures et de préparer quelques informations à leur sujet: taille, position, rotation, etc. À mon avis, le problème central est le fait que les formes peuvent être chevauchées par L'un et l'autre. J'ai essayé de rechercher des informations sur ce genre de problème et de trouver que la bibliothèque OpenCV peut être très utile. OpenCV a la capacité de détecter les contours, puis d'essayer de placer des ellipses ou des rectangles sur ces contours. Le problème est que lorsque les formes sont surlignées, les contours sont mélangés.

Je pense à l'algorithme suivant: détecter tous les points caractéristiques: et mettre un point blanc sur eux. J'ai quelque chose comme ça où chaque figure est divisée en sections distinctes: Ensuite, je peux essayer de relier ces parties en utilisant des informations, par exemple la valeur de complexité (j'ajuste la courbe approxPolyDP au contour et la lire combien de parties il a). Mais ça commence à être très dur. L'autre idée est d'essayer toutes les permutations de relier les contours et d'essayer de les adapter aux figures. La meilleure compilation sera sortie.

Des idées pour créer une solution simple mais élégante?

Answer 1

flou de l'image

aide à trouver les intersections comme on le voit dans le code

#include "opencv2/imgproc.hpp" 
#include "opencv2/highgui.hpp" 

using namespace cv; 

int main(int argc, char** argv) 
{ 
    Mat src = imread(argv[1]); 
    Mat gray, blurred; 
    cvtColor(src, gray, COLOR_BGR2GRAY); 
    threshold(gray, gray, 127, 255, THRESH_BINARY); 
    GaussianBlur(gray, blurred, Size(), 9); 
    threshold(blurred, blurred, 200, 255, THRESH_BINARY_INV); 
    gray.setTo(255, blurred); 
    imshow("result",gray); 
    waitKey(); 

    return 0; 
} 

image résultat:

étape 2

simplement, le code emprunté à generalContours_demo2.cpp

#include "opencv2/imgproc.hpp" 
#include "opencv2/highgui.hpp" 

using namespace cv; 
using namespace std; 

int main(int argc, char** argv) 
{ 
    Mat src = imread(argv[1]); 
    Mat gray, blurred; 
    cvtColor(src, gray, COLOR_BGR2GRAY); 
    threshold(gray, gray, 127, 255, THRESH_BINARY); 
    GaussianBlur(gray, blurred, Size(), 5); 
    threshold(blurred, blurred, 180, 255, THRESH_BINARY_INV); 
    gray.setTo(255, blurred); 
    imshow("result of step 1",gray); 

    vector<vector<Point> > contours; 

    /// Find contours 
    findContours(gray.clone(), contours, RETR_TREE, CHAIN_APPROX_SIMPLE); 

    /// Find the rotated rectangles and ellipses for each contour 
    vector<RotatedRect> minRect(contours.size()); 
    vector<RotatedRect> minEllipse(contours.size()); 

    for(size_t i = 0; i < contours.size(); i++) 
    { 
     minRect[i] = minAreaRect(Mat(contours[i])); 
     if(contours[i].size() > 5) 
     { 
      minEllipse[i] = fitEllipse(Mat(contours[i])); 
     } 
    } 

    /// Draw contours + rotated rects + ellipses 
    for(size_t i = 0; i< contours.size(); i++) 
    { 
     Mat drawing = src.clone(); 
     // contour 
     //drawContours(drawing, contours, (int)i, color, 1, 8, vector<Vec4i>(), 0, Point()); 
     // ellipse 
     ellipse(drawing, minEllipse[i], Scalar(0, 0, 255), 2); 
     // rotated rectangle 
     Point2f rect_points[4]; 
     minRect[i].points(rect_points); 
     for(int j = 0; j < 4; j++) 
      line(drawing, rect_points[j], rect_points[(j+1)%4], Scalar(0, 255, 0), 2); 
     /// Show in a window 
     imshow("results of step 2", drawing); 
     waitKey(); 
    } 

    return 0; 
} 

vous

peut obtenir des images de résultat suivantes entre autres. J'espère que vous allez résoudre l'étape finale.