问我想要检测图像中的对象，并在另一个页面中重新绘制它，所以有人会建议使用哪种算法吗？

EN

正如gcalmettes已经注意到的那样，Hough可以检测线路。但是，您正在寻找线段，这对标准算法来说是一个轻微的问题。

另一种选择是RANSAC算法，它遵循完全不同的方法，因此值得研究：

http://en.wikipedia.org/wiki/RANSAC

Hough技术也可以用来寻找圆。对于曲线拟合，您可以使用样条拟合技术，有时甚至可以使用多项式拟合，尽管后者对于真实世界的图像分析往往不太有用。

您必须小心骨架化/细化(或中轴变换)，因为细化将倾向于在三向交叉点周围产生不需要的曲线，例如字符"H“中的两个T形交叉点。不过，细化算法可以很快。查看WinTopo中Stentiford和Zhang-Suen细化算法的实现，这是一个用于栅格到矢量转换(即像素到曲线)的应用程序：

http://wintopo.com/

在您的样例图像中，有几个已知固定角度的双向和三向交叉点的示例。如果您稍微研究一下角点检测，您应该会看到如何将其扩展到检测固定角度的交点。

http://en.wikipedia.org/wiki/Corner_detection

如果图像中字符和图形的大小是恒定的--例如，如果"H“总是40像素高--那么可以使用模板匹配来查找几乎任何模式。(搜索术语“标准化的交叉相关”，尽管维基百科的条目可能没有那么有帮助。)

http://en.wikipedia.org/wiki/Template_matching

简而言之，如果图像中的特征将是恒定的大小，您可以创建一个模板(类似于蒙版或模板)，以匹配要识别的对象的亮/暗模式。模板匹配相对容易实现和调试，并且比Hough更直观一些。

简而言之，假设您将为每个黑色像素指定值0(无反射)，并为每个白色像素指定值1(全反射)。要找到一个3 x 3未填充的黑色正方形，您可以创建一个模板，如下所示：

1 1 1 1 1
1 0 0 0 1
1 0 1 0 1
1 0 0 0 1
1 1 1 1 1

然后检查此模板在原始图像中的匹配项。如果模板中的所有白色像素都与图像中的白色像素匹配，并且模板中的所有黑色像素都与图像中的黑色像素匹配，则表示匹配。

为了匹配你的苯环(或其他任何东西)的一个小六边形，你可以有一个这样的模板：

1 1 0 1 1 
1 0 1 0 1 
0 1 1 1 0 
0 1 1 1 0 
0 1 1 1 0 
1 0 1 0 1 
1 1 0 1 1 

这不完全是正确的形状，因为角度不会是45度。

在某些情况下，您不会得到与模板完全匹配的模板，因为其他图形，如线段、圆和字符，会干扰您想要查找的任何特定特征的矩形。您可以要求模板中所有像素的90%或更多匹配，而不是完全匹配。“归一化互相关”的“归一化”部分使模板在对比度发生变化时更加健壮:例如，您的图像可能是浅灰色背景上的深灰色图形，而不是白色背景上的黑色图形。

在检查了不同图形的各种组合之后，您可以将2D模板中的某些元素标识为“无关”，这意味着该元素可以是黑色或白色。因为你可以在六边形的边角用线段表示键，所以你有一些很好的“无关”像素的候选者。

下面的“无关”像素用X标记。识别模板中哪些元素可以是“无关”像素需要进行一些修补和调整。

X 1 0 1 X 
1 0 1 0 1 
0 1 1 1 0 
0 1 X 1 0 
0 1 1 1 0 
1 0 1 0 1 
X 1 0 1 X 

当然，还有更复杂的方法来查找各种数字，但我建议首先使用最简单的方法，以防它们有效。Hough和RANSAC技术可以推广到几乎任何东西，但实现起来可能很棘手。

您可以使用Hough transform来检测直线或圆。例如，在python库( scikits-image )中已经实现了该算法的一个非常简单的实现。请参见exemple。

从您给出的图像作为示例，您可能需要考虑应用骨架算法，以便在应用Hough变换之前将二进制对象减少到1像素宽的表示形式。