我使用轮廓检测进行矩形检测，并在调整透视投影之前使用OpenCv应用多边形以获取矩形的位置 . 它工作得很好 . 但是我小组中的一些人建议转换Hough . 我想知道使用Hough变换进行矩形检测是否有任何优势 .
Update: 我尝试了两种方法 . 在我的例子中，两种方法在Canny边缘检测后都能正常工作 . 但是由于霍夫变换产生线，我们必须假设几行，例如线的长度和线的可连接性，并且应该进行额外的计算，例如搜索连接的线并从连接的线找到角点 . 就个人而言，我更喜欢轮廓法，因为它的概念更简单 . 使用该方法，您只需搜索可以使用具有4个角的闭合和凸多边形近似的轮廓，并调整多边形的透视投影 . 就是这样 .
2 回答
到目前为止，您使用轮廓检测得到了什么样的结果？有什么例子吗？
Hough变换应该适用于矩形检测IFF，您可以假设矩形的边是图像中最突出的线 . 然后你可以简单地检测霍夫空间中的4个最大峰值，然后你得到了你的矩形 .
例如，这可以用在黑暗背景前的白纸照片 .
理想情况下，您可以使用模糊，阈值，形态运算符对图像进行预处理，以便在霍夫变换之前删除任何小规模结构 .
如果图像中有多个较小的矩形或其他类型的突出线，则轮廓检测可能是更好的选择 .
霍夫的一些一般优势从头顶转变：
如果矩形的一部分被遮挡或超出框架，霍夫变换仍然可以工作 .
霍夫变换应该比轮廓检测更快，我想？
霍夫变换将忽略任何不是直线的东西，因此您可能会在杂乱的图像上获得更大的成功 . （如果矩形边是最突出的线）
最后，它可能取决于输入数据 . 有什么例子吗？
也许合并的方法最好？见Combining Hough Transform and Contour Algorithm for detecting Vehicles License-Plates
我做了一些使用霍夫变换检测矩形的实验，你可以在这里看到一些初步结果：http://www.imagemagick.org/discourse-server/viewtopic.php?f=1&t=14491&start=9
不幸的是，目前存在的一切，该项目目前处于中断状态，最终我希望在我不太忙的时候恢复它 .
我对你的结果非常感兴趣 .
（如果您正在进行透视校正，也请查看proportions of a perspective-deformed rectangle）
用霍夫变换搜索轮廓检测让我想到了这个问题 .
为了帮助未来的搜索者，这篇博文有一个很好的演练，用opencv做到这一点：
http://opencv-code.com/tutorials/automatic-perspective-correction-for-quadrilateral-objects/
这个概念：
1.获取边缘 Map - canny，sobel
2.用霍夫变换检测线
3.通过查找线之间的交叉点来获取角点 .
4.检查近似多边形曲线是否有4个带有approxPolyDP的顶点
5.确定左上角，左下角，右上角和右下角 .
6.使用getPerspectiveTransform应用透视变换以获取变换矩阵，并使用warpPerspective应用变换 .