寻找精密光学标定板上的矩形（网友提问）
这道题目来源于网友问答，采用博客方式回答比较容易说明。
问题：
对于这样的图片
如何寻找上面的矩形
思路：
这个矩形的面积在所有的图像中是最大的（除去整个图形轮廓以外），可以尝试从这个方面入手，再加上一些鲁壮的方法
#
include
"stdafx.h"
# include <opencv2 /opencv.hpp >
# include "GOCVHelper.h"
# include <iostream >
using namespace cv;
using namespace std;
int main( int argc, const char * * argv )
{
Mat src = imread( "card.png",IMREAD_COLOR);
Mat gray;
int imax = 0; //代表最大轮廓的序号
int imaxcontour = - 1; //代表最大轮廓的大小
std : :vector <std : :vector <Point >>contours;
cvtColor(src,gray,COLOR_BGR2GRAY);
threshold(gray,gray, 100, 255,THRESH_OTSU);
bitwise_not(gray,gray); // 白色代表有数据
//寻找轮廓
findContours(gray,contours,CV_RETR_LIST,CV_CHAIN_APPROX_SIMPLE);
//冒泡排序，由大到小排序
VP vptmp;
for( int i = 1;i <contours.size();i ++){
for( int j =contours.size() - 1;j > =i;j --){
if( contourArea(contours[j]) > contourArea(contours[j - 1])){
//swap
vptmp = contours[j - 1];
contours[j - 1] = contours[j];
contours[j] = vptmp;
}
}
}
//找到最后结果的时候，添加一些判断
for ( int i = 0;i <contours.size();i ++)
{
if (contourArea(contours[i]) < (src.rows * src.cols) / 8 )
{
drawContours(src,contours,i,Scalar( 0, 0, 255), - 1);
break;
}
}
imshow( "结果",src);
waitKey();
return 0;
}
# include <opencv2 /opencv.hpp >
# include "GOCVHelper.h"
# include <iostream >
using namespace cv;
using namespace std;
int main( int argc, const char * * argv )
{
Mat src = imread( "card.png",IMREAD_COLOR);
Mat gray;
int imax = 0; //代表最大轮廓的序号
int imaxcontour = - 1; //代表最大轮廓的大小
std : :vector <std : :vector <Point >>contours;
cvtColor(src,gray,COLOR_BGR2GRAY);
threshold(gray,gray, 100, 255,THRESH_OTSU);
bitwise_not(gray,gray); // 白色代表有数据
//寻找轮廓
findContours(gray,contours,CV_RETR_LIST,CV_CHAIN_APPROX_SIMPLE);
//冒泡排序，由大到小排序
VP vptmp;
for( int i = 1;i <contours.size();i ++){
for( int j =contours.size() - 1;j > =i;j --){
if( contourArea(contours[j]) > contourArea(contours[j - 1])){
//swap
vptmp = contours[j - 1];
contours[j - 1] = contours[j];
contours[j] = vptmp;
}
}
}
//找到最后结果的时候，添加一些判断
for ( int i = 0;i <contours.size();i ++)
{
if (contourArea(contours[i]) < (src.rows * src.cols) / 8 )
{
drawContours(src,contours,i,Scalar( 0, 0, 255), - 1);
break;
}
}
imshow( "结果",src);
waitKey();
return 0;
}
结果：
小结：
当然这里只是对最简单的模板图片进行了处理。如果在实际的摄像机拍摄的过程中，肯定会有其他的干扰，需要区别对待。
目前方向：图像拼接融合、图像识别 联系方式：jsxyhelu@foxmail.com
