注意:我正在尝试制作一个可以处理一般范围的图像，方向和质量的过程，而不仅仅是该图像。
我知道您可以使用凸包将一组点用多边形包围起来，并且可以使用几种算法之一为这些点创建最小边界框。但是，我想做与最小边界框类似的操作，但不限于将其限制为矩形。
说我有此收据:
凸包:
最小边界框(旋转游标卡尺):
我的目标:(ms-paint):
如您所见，最小边框不太合适，因为从 Angular 来看收据是梯形的。 Angular 越低，情况就越糟。我想有4个点和尖角，所以不能使用凸包。
我是否可以使用一种算法来获得与凸包或最小边界框类似的东西，但仅限于4个点以及任何四边形形状？
最佳答案
通过对颜色空间过滤和形态学运算的了解，我成功地使用了哈里斯探测器。您也可以使用交点来扩展此范围，就像我从Hough Lines所做的here一样，这可能有用，尽管有点冗长。这对于特定的图像效果很好，但是对于管道，它需要很多参数(打开和关闭内核大小，迭代)。
我的实现是在Python中进行的，但这当然也可以在C++或Java中工作:
import numpy as np
import cv2
# read image
img = cv2.imread('receipt.png')
# thresholding
blur = cv2.GaussianBlur(img, (5,5), 1)
hls = cv2.cvtColor(blur, cv2.COLOR_BGR2HLS)
low = np.array([0, 70, 0])
high = np.array([255, 255, 85])
thresh = cv2.inRange(hls, low, high)
# morphological operations to get the paper
kclose = np.ones((3,3), dtype=np.uint8)
kopen = np.ones((5,5), dtype=np.uint8)
closing = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kclose, iterations=2)
opening = cv2.morphologyEx(closing, cv2.MORPH_OPEN, kopen, iterations=6)
# corner detection
opening = cv2.GaussianBlur(opening, (3,3), 1)
opening = np.float32(opening)
dst = cv2.cornerHarris(opening, 2, 3, 0.04)
# drawing corners
dst = cv2.dilate(dst, None)
img[dst>0.01*dst.max()]=[0,0,255]
cv2.imshow('Corners', img)
cv2.waitKey(0)
这是角落:
请注意，您从哈里斯获得了多个像素，因此如果要在以后使用它们进行变形，则必须进行聚类以获得奇异的角点。
我将色彩空间过滤，关闭和打开中的蒙版应用到图像上，以便在执行这些操作后可以看到这些蒙版。
过滤条件:
闭幕:
开场时间: