本文用matlab实现了基本多边形的检测、提取。

本文涉及到的知识点如下：

1、Canny边缘检测。bw = edge(gray,'canny',[0 , 50/256]);

2、细化操作。im=bwmorph(image,'thin',Inf);

3、边界追踪。edgelist=bwboundaries(im);

4、边界的多边形近似。linefit_Prasad_RDP_opt(edgelist);

本文算法思路借鉴了Nash的博客，地址：http://opencv-code.com/tutorials/detecting-simple-shapes-in-an-image/点击打开链接

边界的多边形近似算法为：Douglas-Peucker algorithm，算法的matlab实现我引用了Dilip K. Prasad分享的文件。本文所有操作的理论基础均可在冈萨雷斯的《数字图像处理》中找到答案。

Douglas-Peucker algorithm地址：https://docs.google.com/file/d/0B10RxHxW3I92dG9SU0pNMV84alk/edit?pli=1点击打开链接

算法实现过程可分为以下几步。

1、提取边缘。

2、进行形态学处理，分割图像。

3、进行细化操作，减小计算量。

4、用多边形近似边界。

5、判断该顶点是否有效。(根据相邻顶点之间的距离)

转载请注明出处：http://blog.csdn.net/u010278305

下面给出源代码：

%function:

% 基于最小距离分类器的模板匹配

% 寻找图片中与已知模板的匹配区域

% 程序中调用了Dilip K. Prasad对Ramer–Douglas–Peucker algorithm的matlab实现

%referrence：

% 思路借鉴：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

%转载请注明出处：http://blog.csdn.net/u010278305

%清空变量，读取图像

clear;close all

src = imread('basic_shapes.png');

figure('name','原始图像'),

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);

%提取每个连通区域

stats = regionprops(bw, 'Image');

statssize= numel(stats);

plotsize=ceil(sqrt(statssize));

figure('name','分离结果'),

num=zeros(statssize,1);

%算法核心

for i=1:statssize

image=stats(i).Image;

%进行细化操作

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));

%判断每个顶点之间的间距是否符合要求

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;

%进行绘图并标识

subplot(plotsize,plotsize,i);imshow(image),

if bound<7

title(bound);

else

title('圆');

end

end

运行效果如下：

源图像已上传：