从相机中dynamic检测不同形状（圆形，方形和矩形）？
我想创build一个应用程序来检测对象的形状（圆形，正方形和矩形只有几何形状），不应该使用标记较less或基于边缘的方式来检测扩增中的形状。
我已经使用了以下的东西，像通过metaio sdk中已经存在的教程的过程
1）Metaio： http ://dev.metaio.com/sdk/tutorials/hello-world/
2）OpenCV： http : //docs.opencv.org/doc/tutorials/imgproc/imgtrans/canny_detector/canny_detector.html#canny-detector
这些是我试图实现的东西。
几何形状：1）实时圈可以是任何圆形物体 – > 
2）实时广场可以是任何方形物体 – > 
3）实时矩形可以是任何矩形对象 – > 
我怎样才能实现这种增强的情况。
提前致谢
更新：这个StackOverflow后（包括一些很好的示例图片）似乎已经解决了至less你的问题的部分圆检测 – 部分。 他指出的优秀写作的参考可以在这个维基页面上find（不幸的是，只能通过backback机器）。
如果新的链接也没有，下面是相关部分：
检测图像：
有几个需要注意的位来检测图像中的圆圈。 在使用cvHoughCircles处理图像之前，您可以先将其转换为灰色图像，然后对其进行平滑处理。 以下是您需要使用的function的一般过程。
创build图像
假设你有一个名为'img'的处理的初始图像，首先你需要使用cvCreateImage创build一个名为'gray'的图像variables，其尺寸与img相同。
IplImage* gray = cvCreateImage( cvGetSize(img), 8, 1 ); // allocate a 1 channel byte image CvMemStorage* storage = cvCreateMemStorage(0); IplImage* cvCreateImage(CvSize size, int depth, int channels); size: cvSize(width,height); depth: pixel depth in bits: IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16U, IPL_DEPTH_16S, IPL_DEPTH_32S, IPL_DEPTH_32F, IPL_DEPTH_64F channels: Number of channels per pixel. Can be 1, 2, 3 or 4. The channels are interleaved. The usual data layout of a color image is b0 g0 r0 b1 g1 r1 ...
转换成灰色
现在，您需要使用cvCvtColor将其转换为灰色，在颜色空间之间进行转换。
cvCvtColor( img, gray, CV_BGR2GRAY ); cvCvtColor(src,dst,code); // src -> dst code = CV_<X>2<Y> <X>/<Y> = RGB, BGR, GRAY, HSV, YCrCb, XYZ, Lab, Luv, HLS eg: CV_BGR2GRAY, CV_BGR2HSV, CV_BGR2Lab
平滑的图像
这样做是为了防止检测到大量假圆圈。 你可能需要玩弄最后两个参数，注意他们需要乘以一个奇数。
cvSmooth( gray, gray, CV_GAUSSIAN, 9, 9 ); // smooth it, otherwise a lot of false circles may be detected void cvSmooth( const CvArr* src, CvArr* dst, int smoothtype=CV_GAUSSIAN, int param1, int param2);
SRC
- 源图像。
DST
- 目标图像。
smoothtype
平滑的types：
- CV_BLUR_NO_SCALE（不缩放的简单模糊） – 对像素param1×param2邻域进行求和。 如果邻域大小不固定，可以使用cvIntegral函数。
- CV_BLUR（简单模糊） – 通过像素param1×param2邻域求和，随后按1 /（param1•param2）进行缩放。
- CV_GAUSSIAN（高斯模糊） – 用param1×param2高斯卷积图像。
- CV_MEDIAN（中值模糊） – findparam1×param1邻域（即邻域为正方形）的中位数。
- CV_BILATERAL（双边滤波器） – 使用
color sigma=param1和space sigma=param2应用双边3×3滤波
参数1
- 平滑操作的第一个参数。
参数2
- 平滑操作的第二个参数。
在param2为零的情况下，简单缩放/非缩放和高斯模糊，将其设置为param1
使用Hough Circle检测
函数cvHoughCircles用于检测灰色图像上的圆圈。 再次，最后两个参数可能需要摆弄。
CvSeq* circles = cvHoughCircles( gray, storage, CV_HOUGH_GRADIENT, 2, gray->height/4, 200, 100 ); CvSeq* cvHoughCircles( CvArr* image, void* circle_storage, int method, double dp, double min_dist, double param1=100, double param2=100, int min_radius=0, int max_radius=0 );
=======相关部分结束=========
该wiki页面的其余部分实际上是非常好的（虽然，我不打算在这里重复它，因为其余的是与原来的问题脱节，并且StackOverflow具有对答案的大小限制）。 希望链接到Wayback机器上的caching副本将继续无限期地工作。
以前的答案在我更新之前：
大！ 现在您已经发布了一些示例，我可以看到，您不仅在矩形，方形矩形和圆形之后，还希望在3D环境中查找这些形状，因此可能会寻找平行四边形和椭圆形的特殊情况帧到video帧可以最终显示自己是矩形，正方形和/或圆圈（取决于你如何平移相机）。
就我个人而言，我觉得比试图了解如何使用现有的（通常是非常成熟的）库更容易解决问题。 这并不是说我自己的工作会比成熟的图书馆好，但肯定不会。 只是一旦我可以自己解决问题，那么我就会更容易理解和使用一个图书馆（图书馆本身往往比我自己的解决scheme更快，更聪明）。
所以下一步我要把位图的颜色空间改成灰度。 一个彩色位图，我很难理解和操作，特别是因为有很多不同的方式可以表示，但灰度位图，这是更容易理解和操纵。 对于灰度位图，只需设想一个值的网格，每个值代表不同的光强度。
现在，让我们将问题的范围限制在静态2D环境中寻找平行四边形和椭圆（我们将担心稍后处理3D环境和移动video帧，或者我应该说，自己会担心这个部分那个问题对我来说已经变得太复杂了）。
而且现在也让我们不用担心你使用的是什么工具或者语言。 只要使用最简单和最便捷的方法。 例如，假设时间不成问题，几乎任何事情都可以通过脚本自动将图像转换为灰度。 ImageMagick，Gimp， Marvin ， Processing ，Python，Ruby，Java等
使用这些工具中的任何一种，应该很容易地将具有相似强度的像素（使得计算更易于pipe理）分组，并且针对每个光强度桶将每个像素坐标sorting在不同的arrays中。 换句话说，按照包含每个像素的x和y位置的强度来排列一些粗糙的数组直方图不应该太困难。
之后，问题就变成了一个更像这个问题的问题（可以在StackOverflow上find），因此可以使用其build议的解决scheme。
一旦你能够以这种方式解决问题，那么把你提出的解决scheme转换成更适合这个任务的更好的语言应该不是太难。 理解和使用你最终select的任何现有库的底层function也应该容易得多。 至less，这就是我所希望的，因为我不够熟悉，而且我也无法真正帮助OpenCV库。