Matlab圖像處理學習筆記（四）：多邊形檢測

    本文用matlab實現了基本多邊形的檢測、提取。

    本文涉及到的知識點如下：

     1、Canny邊緣檢測。 bw = edge(gray,'canny',[0 , 50/256]);

     2、細化操作。 im=bwmorph(image,'thin',Inf);

     3、邊界追蹤。 edgelist=bwboundaries(im);

     4、邊界的多邊形近似。 linefit_Prasad_RDP_opt(edgelist);

    本文算法思路借鑒了Nash的博客，地址：http://opencv-code.com/tutorials/detecting-simple-shapes-in-an-image/點擊打開鏈接

      邊界的多邊形近似算法為：Douglas-Peucker algorithm，算法的matlab實現我引用了Dilip K. Prasad分享的文件。本文所有操作的理論基礎均可在岡薩雷斯的《數字圖像處理》中找到答案。

   Douglas-Peucker algorithm地址：https://docs.google.com/file/d/0B10RxHxW3I92dG9SU0pNMV84alk/edit?pli=1點擊打開鏈接

算法實現過程可分為以下幾步。

1、提取邊緣。

2、進行形態學處理，分割圖像。

3、進行細化操作，減小計算量。

4、用多邊形近似邊界。

5、判斷該頂點是否有效。（根據相鄰頂點之間的距離）

轉載請注明出處：http://blog.csdn.net/u010278305

下面給出源代碼：

%function:
%       基於最小距離分類器的模板匹配
%       尋找圖片中與已知模板的匹配區域
%       程序中調用了Dilip K. Prasad對Ramer–Douglas–Peucker algorithm的matlab實現
%referrence：
%      思路借鑒：http://opencv-code.com/tutorials/detecting-simple-shapes-in-an-image/
%      Ramer–Douglas–Peucker algorithm：http://en.wikipedia.org/wiki/Ramer%E2%80%93Douglas%E2%80%93Peucker_algorithm
%date:2015-1-10
%author:chenyanan
%轉載請注明出處：http://blog.csdn.net/u010278305

%清空變量，讀取圖像
clear;close all
src = imread('basic_shapes.png');

figure('name','原始圖像'),
imshow(src),title('src'),

%Convert to grayscale
gray=rgb2gray(src); gray = im2double(gray);

%Convert to binary image using Canny 
bw = edge(gray,'canny',[0 , 50/256]);

%dilate
dilateElement=strel('square', 5);
bw=imdilate(bw, dilateElement);

%提取每個連通區域
stats = regionprops(bw, 'Image');
statssize= numel(stats);
plotsize=ceil(sqrt(statssize));
figure('name','分離結果'),
num=zeros(statssize,1);
%算法核心
for i=1:statssize
    image=stats(i).Image;
    %進行細化操作
    im=bwmorph(image,'thin',Inf);
    % getting the edge data. 
    edgelist=bwboundaries(im);edgelist=edgelist.';
    % calling linefit_Prasad_RDP_opt
    [edgelist,seglist,precision_list,reliability_list,precision_edge,reliability_edge, time_edge] = linefit_Prasad_RDP_opt(edgelist);
    boundnum=length(seglist{1}(:,:));
    bound=0;
    sizepic=sum(size(im));
    %判斷每個頂點之間的間距是否符合要求
    for j=1:boundnum-1
        cornerdiff=seglist{1}(j,:)-seglist{1}(j+1,:);
        cornerdiff=sqrt(sum(cornerdiff.^2));
        if(cornerdiff>0.09*sizepic)
            bound=bound+1;
        end
    end
    num(i)=bound;
    %進行繪圖並標識
    subplot(plotsize,plotsize,i);imshow(image),
    if bound<7
        title(bound);
    else
        title('圓');
    end
end


 

運行效果如下：

源圖像已上傳：