例如,让我们考虑下面的图像：link to plus.我可以设法通过计算每个像素周围的透明像素数来检测图像的边缘.我得到以下矩阵：
0000000000000000 0000053335000000 0000030003000000 0000030003000000 0000020002000000 0533210001233500 0300000000000300 0300000000000300 0300000000000300 0533210001233500 0000020002000000 0000030003000000 0000030003000000 0000053335000000 0000000000000000 0000000000000000
我认为,基于这个矩阵,我应该能够获得所有角落的坐标,从而得到向量,但我无法弄清楚如何.在这种情况下,我希望我的程序返回：
[7,2]->[11,2] [11,6] [11,6]->[15,6] ...
你们中有人有建议或链接吗？
最终,我还想要除90和0以外的近似角度,但这确实是第二阶段.
解决方法
我认为你有兴趣提取的两个特征是边角.
边缘,就像你想要的那样,可以让你走向形状的轮廓.你现在可能不感兴趣的是Edge Detection技术.这些将您的图像转换为边/空间的二进制图像.相反,您需要查看Hough Transform,它可以为您的图像中的每一行提供终点.如果你正在处理如你所定义的明确,实线,直线,这应该很好.你已经将你的问题标记为Ruby,所以也许你可以看看OpenCV(OpenCV是用C编写的,但是要绑定ruby-opencv和javacv个项目).这是Hough Transform documentation for OpenCV.然而,你可能会发现,Hough变换并没有为你提供连接线.这取决于图像中实际线条的规律性/不规则性.因此,您可能需要手动将线的端点连接到结构中.
角落可能对您提供的图像非常有效.标准算法是Harris corner detection.与Hough变换类似,您可以使用此技术返回图像中“最重要”的特征.已知该技术用于给出一致的结果,即使对于相同事物的不同图像也是如此.因此,它经常用于模式识别等.但是,如果您的图像与提供的图像一样简单,您可能能够以这种方式提取所有形状的角.获得图像的形状只需要在给定预定义的N边的情况下以有意义的方式连接点.
你绝对应该使用这两个功能空间,看看它们是如何工作的,你可以在音乐会上同时使用它们以获得更好的效果.
另外,如果您的图像确实是透明的颜色/强度,您可以将图像转换为‘binary image’.请注意,这不仅仅是二进制数据.相反,它意味着您只代表两种颜色,一种由0表示,另一种由1表示.这样做可以打开一整套适用于灰度和二值图像的工具.例如,您在上面手动计算的数字矩阵称为distance transformation,可以使用OpenCV等工具轻松高效地完成.
