Function detect_rectangles_robust

modules/basic_shape_processor.py:818–1345

精准矩形检测（补充SAM3遗漏的矩形） 采用保守策略： - 默认只启用可靠的检测方法（contour, nested_contour） - 提高检测门槛减少误检 - 对检测结果进行内容验证 :param cv2_image: BGR格式的OpenCV图像 :param existing_elements: SAM3已识别的元素字典 :param config: 配置参数字典 :return: {"rectangles": [...], "containers": [...]}

(cv2_image: np.ndarray, existing_elements: dict, config: dict = None)

# ======================== CV矩形检测 ========================
def detect_rectangles_robust(cv2_image: np.ndarray, existing_elements: dict, config: dict = None) -> dict:
    """
    精准矩形检测（补充SAM3遗漏的矩形）
    
    采用保守策略：
    - 默认只启用可靠的检测方法（contour, nested_contour）
    - 提高检测门槛减少误检
    - 对检测结果进行内容验证
    
    :param cv2_image: BGR格式的OpenCV图像
    :param existing_elements: SAM3已识别的元素字典
    :param config: 配置参数字典
    :return: {"rectangles": [...], "containers": [...]}
    """
    default_config = {
        # 面积限制（提高门槛减少误检）
        "min_area": 5000,            # 提高最小面积（原3000）
        "min_area_ratio": 0.005,     # 最小面积占比
        "max_area_ratio": 0.5,
        
        # 去重阈值（更积极去重）
        "iou_threshold": 0.2,        # 降低IoU阈值（原0.3）
        "nms_threshold": 0.25,       # 降低NMS阈值（原0.3）
        
        # 形状验证（提高要求）
        "min_rectangularity": 0.7,   # 提高矩形度（原0.6）
        "border_contrast": 15,       # 提高边框对比度（原10）
        
        # 容器检测
        "container_threshold": 0.8,
        "min_contained": 3,
        
        # 启用的检测方法（保守模式：只启用可靠的方法）
        "enabled_methods": ["contour", "nested_contour"],
        # 完整模式可用: ["contour", "region", "low_contrast", "hough_lines", "nested_contour"]
        
        # 内容验证（CV结果需要通过验证）
        "validate_content": True,
        "min_content_std": 8,        # 内部颜色标准差阈值
    }
    cfg = {**default_config, **(config or {})}
    
    enabled_methods = set(cfg.get("enabled_methods", ["contour", "nested_contour"]))
    
    h, w = cv2_image.shape[:2]
    total_area = h * w
    max_area = total_area * cfg["max_area_ratio"]
    min_area = max(cfg["min_area"], int(total_area * cfg.get("min_area_ratio", 0)))
    
    # 收集SAM3已检测的bbox
    sam3_bboxes = []
    for elem_type, items in existing_elements.items():
        for item in items:
            sam3_bboxes.append({"bbox": item["bbox"], "type": elem_type})
    
    all_candidates = []
    gray = cv2.cvtColor(cv2_image, cv2.COLOR_BGR2GRAY)