我试图使用不同的方法检测灰度图像中的白色矩形：轮廓检测和霍夫变换 . 不幸的是，我正在处理的图像有一些限制，即
-
图像中有许多功能，矩形不是唯一的功能
-
矩形可以合并到其他要素（例如，其中一个矩形边可以与长直线重叠）
-
矩形可能包含一些其他功能（例如矩形内的字母，数字或某些徽标）
-
有些特征看起来像矩形（例如，字符'D'看起来像一个矩形，右上角和右下角有一个小弧形;另一个例子是梯形而不是平行四边形）
-
矩形可以顺时针和逆时针旋转0到15度
-
有可能在不同的光照条件下（例如1个像素间隙）将线分成几行，因此过滤线的最小线长必须很小（例如在Hough变换中）
-
当最小行长度设置为较小值时，更常见的是在不同方向上查看同一行的重复行（即需要组合多行）
对于contonours方法，一些图像的轮廓被打破 . 此外，图像可以包含诸如矩形之类的特征（例如字符“D”） . 我不确定这是不是一个好方法 .
我看过许多文章/论坛建议使用Hough变换检测矩形，如下面的帖子 . 不幸的是，我必须设置最小行长度的小值，并看到重复的行 . 我不知道如何处理上面提到的几点（例如，组合所有重复的行并为每个边选择一行，如何区分大多数部分的特征是线但是像'D'那样的小弧，以及如何隔离正方形，其中一条边与一条长直线合并，等等 .
Hough transformation vs Contour detection for Rectangle recognition with perspective projection
欢迎任何建议！
EDIT: Add some pictures
Character D
Rectangle with logo and the edges are merged with long straight line
Trapezoid (with shadow on the top forming trapezoid in the bottom)
1 回答
我建议您尝试在每个图像上使用binary threshold（自适应或其他），这将为您的轮廓检测提供一些清晰的线条 . 您还可以erode/dilate图像去除噪点（例如第二张图片中的细线）
然后使用轮廓检测，并对轮廓进行计数，找到图像中具有四个边的最大对象（这可能是您的对象） .
在使用二进制/侵蚀之前制作图像的副本，以便在获得轮廓检测感兴趣的区域后，可以将复制图像裁剪到该区域 .
道歉示例链接是用python编写的，但我相信一旦你明白了，将它移植到C将很容易 .
希望这可以帮助 .
EDIT
通过对每个图像进行阈值处理，轮廓检测，然后在最大的轮廓集周围绘制一个边界框，我自己尝试了上述方法 .
下面看到结果：
Bounding box around largest set of contours
The same, drawn over the original images