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


 

源图像已上传：