C++ - opencv应用实例之矩形框检测

• 现阶段下，目标检测在实际应用场景中的表现颇为重要，工业质检、移动机器人视觉伺服、作业、交通监控、安防领域等均需要通过目标检测来实现对目标的定位、测量或者统计、辅助控制等
• 目前目标检测主要分为两个方向的发展，其一是基于传统图像处理算法的检测，通过对图像进行预处理，进而提取图像的、灰度、梯度或者边缘等特征，最后对想要处理的目标进行识别和定位；其二便是近些年火起来的深度学习，通过卷积提取图像特征，按不同的层搭建特征图的不同处理方式，最后直接输出想要的结果，也成为端到端处理，主要代表由Mask-RCNN、YOLO等模型的广泛使用。
• 本文主要基于C++、Opencv实现图像中感兴趣区域ROI的定位/检测，主要涉及算法有：阈值分割 -> 边缘检测 -> 轮廓提取 -> 多边形近似与演化 -> 感兴趣区域型定位，具体效果如下图所示，详细算法实现将在后边文章中给出。
  

1.特征提取

• 特征提取在此是指的图像中目标的轮廓提取，此处主要用的opencv中的Canny边缘检测算子，其在对边界轮廓的提取上性能较好，主要表现在定位准确与稳定强。
• 但是直接在原图基础上进行边缘检测，结果中轮廓数量肯