C# Punkte des Polygons in schwarz/weiß erkennen Bild

Question

Ich muss alle Punkte eines weißen Polygons auf schwarzem Hintergrund in C# erkennen. Hier ist ein Bild von mehreren Beispielen. Ich denke nicht, dass es zu schwierig ist, aber ich kann das mit all den Variationen nicht richtig erkennen. Mein Code ist zu viel, um hier zu posten, aber im Grunde ging ich jede Seite durch und suche, wann sich Schwarz-Weiß ändert. Soll ich Open CV verwenden? Ich hatte auf einen einfachen Algorithmus gehofft, den ich in C# implementieren könnte. Irgendwelche Vorschläge? Vielen Dank.

Answer 1

In Ihrem Fall würde ich dies tun:

1. vor Prozessabbild

   so Rauschen in Farbe entfernen, falls vorhanden (wie JPG Verzerrung etc.) und Binarisieren Bild.

2. wählen Umfang Pixel

   einfach eine Schleife durch alle Pixel und stellen jedes weiße Pixel, das mindestens einen schwarzen Nachbarn bestimmte Farbe hat, die Ihren Umfang ROI Maske darstellen oder die Pixelposition auf einige hinzufügen Liste der Punkte stattdessen.

3. gelten angeschlossenen Komponenten Analyse

   so müssen Sie die Reihenfolge der Punkte herausfinden (wie miteinander verbunden sind). Der einfachste Weg, dies zu tun, ist Flood-Einreichung der ROI von ersten gefundenen Pixel, bis alle ROI ist gefüllt und erinnere mich an die Reihenfolge der gefüllten Punkte (ähnlich A *). Es sollte irgendwann zwei verschiedene Wege geben und beide sollten endlich beitreten. Identifizieren Sie diese 2 Punkte und konstruieren Sie die Reihenfolge der Umfangspunkte (indem Sie eine Hälfte umkehren und den geteilten Teil behandeln, falls vorhanden).

   

4. finden Scheitel

   , wenn Sie die Winkeländerung zwischen allen daraus folgenden Pixeln dann auf geraden Linien die Winkeländerung in der Nähe von Null und in der Nähe von Eckpunkten sollte berechnen viel größer. Also Schwelle und du hast deine Scheitelpunkte. Um dies robust zu machen, müssen Sie den Neigungswinkel aus etwas entfernteren Pixeln berechnen als aus den nächsten Pixeln. Auch eine Schwellenänderung dieser Winkeländerung gegen den gleitenden Durchschnitt liefert häufig stabilere Ergebnisse.

   

   So finden Sie heraus, wie weit die Pixel sollten Winkel zu berechnen, so dass Sie nicht zu viel Lärm und Scheiteln bekam noch große Spitzen und auch den Schwellenwert herauszufinden, die über den Lärm sicher ist.

   Dies kann auch durch hough erfolgen verwandeln und oder Konturen Funktionen, die CV Libs in vielen vorhanden sind.Eine andere Option ist auch regress/fit die Linien in der Punktliste direkt und berechnen Kreuzungen, die Sub-Pixel-Genauigkeit bieten können.

Für weitere Informationen siehe QAs bezogen werden:

• Backtracking in A star
• Finding holes in 2d point sets
• growth fill