迭代多维数组并搜索形成正方形的点

Question

我的应用程序的一部分致力于识别图像中所有对象的角点。我找到了很多方法来检测角点，比如Harris角点检测和GoodFeatureToTrack。经过一些测试，GoodFeatureToTrack已经被证明是最好的解决方案，但我一直在处理多维数组。你知道吗

如何迭代这种类型的数组来检查点列表中是否有四个坐标构成一个正方形？你知道吗

image = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
corners = cv2.goodFeaturesToTrack(image, 150, 0.01, 15)
corners = np.int0(corners) 
print("Points")
for corner in corners:
   x, y = corner.ravel()
   cv2.circle(image, (x, y), 5, (0, 0, 255), -1)
print(corners)

这是实际结果

积分

[[[141 265]]

[[148 176]]

[[136 360]]

[[233 358]]

[[192 218]]

[[130 465]]]

Answer 1

依次考虑所有点对（N(N-1)/2），并将它们视为正方形的对角线。然后可以预测其他两个顶点的位置。有两种选择：

• 使用点位置结构（如kD树）并执行固定半径的近邻搜索（假设在预期位置周围允许较小的公差）；

• 在图像中执行局部搜索，从预期的位置开始螺旋式搜索。

第一种方法将花费大约O（N²logn）个操作，第二种方法花费大约O（N²t²），其中t是允许的像素公差。你知道吗