在提供 SCADA 解决方案时，我们经常会获得结构化控制图（如下所示的 visio 类似流程图）中指定的最终用户规范，这些规范通常以 PDF 格式或图像形式提交。
为了在 C# 中访问这些，我希望使用 OpenCV 库之一。
我正在研究模板识别，但开始输入机器学习算法来教它识别盒子和箭头的已知特定形状似乎是不合适的。
我看过的库有一些多边形函数。然而，从下面的示例可以看出，当元素之间没有间距时，系统会将整个事物视为一个大多边形。
注释可以是任何 90 度旋转，我想使用 OCR 识别它们以及矩形的内容。
我在这方面没有任何经验，现在应该很明显了，所以我希望有人能指出我适当的兔子洞的方向。如果有多种方法，则选择数学负担最轻的方法。
Update:
This is an example of the type of image I'm talking about.
要解决的问题是：
我确信您确实意识到这是一个活跃的研究领域，本文中描述的算法和方法是基础的，也许有更好/更具体的解决方案，或者完全启发式的，或者基于这些基本方法的。
我将尝试描述一些我之前使用过的方法，并在类似情况下获得了良好的结果（我们使用简单的 CAD 绘图来查找电网的逻辑图），我希望它会有用。
识别单元格中带有文本的红色矩形 (OCR)。
这对于您的解决方案来说是微不足道的，因为您的文档质量很高，并且您可以轻松地根据您的目的调整任何当前的免费 OCR 引擎（例如 Tesseract），90,180 度不会有问题，像 Tesseract 这样的引擎会检测到它们（您应该配置引擎，在某些情况下您应该提取检测到的边界并将它们单独传递给 OCR 引擎），您可能只需要一些培训和微调即可实现最大准确度。
组件的模板匹配。
大多数模板匹配算法对比例敏感，而比例不变的算法非常复杂，因此，如果您的文档在比例和大小方面有所不同，我认为使用简单的模板匹配算法不会获得非常准确的结果。
并且您的形状特征非常相似且稀疏，可以从 SIFT 和 SURF 等算法中获得良好的结果和独特的特征。
我建议您使用轮廓，您的形状很简单，您的组件是通过组合这些简单形状而制成的，通过使用轮廓，您可以找到这些简单的形状（例如矩形和三角形），然后根据组件形状检查先前收集的轮廓，例如，您的一个组件是通过组合四个矩形创建的，因此您可以将其相对轮廓保持在一起，并稍后在检测阶段根据文档进行检查
网上有很多关于轮廓分析的文章，我建议您看看这些，它们将为您提供如何使用轮廓来检测简单和复杂形状的线索：
http://www.emgu.com/wiki/index.php/Shape_%28Triangle,_Rectangle,_Circle,_Line%29_Detection_in_CSharp http://www.emgu.com/wiki/index.php/Shape_%28Triangle,_Rectangle,_Circle,_Line%29_Detection_in_CSharp
http://www.codeproject.com/Articles/196168/Contour-Analysis-for-Image-Recognition-in-C http://www.codeproject.com/Articles/196168/Contour-Analysis-for-Image-Recognition-in-C
http://opencv-code.com/tutorials/detecting-simple-shapes-in-an-image/ http://opencv-code.com/tutorials/detecting-simple-shapes-in-an-image/
http://opencv-python-tutroals.readthedocs.org/en/latest/py_tutorials/py_imgproc/py_contours/py_contours_begin/py_contours_begin.html http://opencv-python-tutroals.readthedocs.org/en/latest/py_tutorials/py_imgproc/py_contours/py_contours_begin/py_contours_begin.html
顺便说一下，使用 EmguCV 将代码移植到 C# 很简单，所以不用担心
箭头的标识，包括方向和端点注释。线型（如果可能）。
有多种查找线段的方法（例如霍夫变换），这部分的主要问题是其他组件，因为它们通常也被检测为线，所以如果我们先找到组件并将它们从文档中删除，那么检测线就会很多更容易并且错误检测更少。
Approach
1-基于不同颜色的图层文档，并在每个所需的图层上执行以下阶段。
2- 使用 OCR 检测并提取文本，然后删除文本区域并重新创建不含文本的文档。
3-检测组件，基于轮廓分析和收集的组件数据库，然后删除检测到的组件（已知和未知类型，因为未知形状会增加下一阶段的错误检测）并重新创建没有组件的文档，此时如果情况良好检测我们应该只有线
4-检测线
5-此时，您可以根据检测到的位置从提取的组件、线条和标签创建逻辑图
希望这可以帮助
