5

我之前问过一个问题 Marking an interest point in an image using c++. 我使用了相同的解决方案，并使用自适应阈值和Blob 检测算法（生长区域）获得了所需的点。我有原始源图，我想在其中检测中心的矩形区域

原图：

原始图像.但是在我使用算法之后，我得到了这样的东西（如果你在新标签中打开它，细节是可见的）

标记图像：

在此处输入图像描述除了矩形区域外，还可以看到明亮的日光照射点。我使用了双边过滤，但仍然无法检测到矩形区域。但是该算法适用于背景更暗的夜间图像。

有人可以建议我进行一些修改的相同算法是否足够或任何其他有效的方法可用..

谢谢

4

2 回答 2

4

使用模糊和阈值的简单组合，我设法得到了这个结果（调整大小以供查看）：

之后，应用侵蚀和squares.cpp 技术（来自 OpenCV 的示例）输出：

这几乎是您正在寻找的结果：矩形的底部已成功检测到。您需要做的就是增加检测到的矩形（红色正方形）的高度以适合您感兴趣的区域。

代码：

Mat img = imread(argv[1]);

    // Blur
Mat new_img = img.clone();
medianBlur(new_img, new_img, 5);

// Perform threshold
double thres = 210;
double color = 255;
threshold(new_img, new_img, thres, color, CV_THRESH_BINARY);
imwrite("thres.png", new_img);

// Execute erosion to improve the detection
int erosion_size = 4;   
Mat element = getStructuringElement(MORPH_CROSS,
                                   Size(2 * erosion_size + 1, 2 * erosion_size + 1),
                                   Point(erosion_size, erosion_size) );
erode(new_img, new_img, element);
imwrite("erode.png", new_img);

vector<vector<Point> > squares;
find_squares(new_img, squares);
std::cout << "squares: " << squares.size() << std::endl;

draw_squares(img, squares);

imwrite("area.png", img);

编辑：

该find_squares()函数返回一个向量，其中包含图像中找到的所有正方形。因为它迭代图像的每个通道，所以在您的示例中，它成功检测到每个通道中的矩形区域，因此打印squares.size()输出3。

由于正方形可以被视为 4 (X,Y) 坐标的向量，OpenCV 将此概念表示为vector<Point>允许您访问坐标的 X 和 Y 部分。

现在，打印squares显示这些点是在逆时针方向检测到的：

1st ------ 4th
 |          |
 |          |
 |          |
2nd ------ 3rd

按照这个例子，很明显，如果你需要增加矩形的高度，你需要改变第 1 点和第 4 点的 Y：

for (int i = 0; i < squares.size(); i++)
{
    for (int j = 0; j < squares[i].size(); j++)
    {
    //  std::cout << "# " << i << " " << squares[i][j].x << ","<< squares[i][j].y << std::endl;
        if (j == 0 || j == 3)
            squares[i][j].y = 0;
    }
}

于 2012-05-14T18:59:53.793 回答
1

在上面显示的图像中，我建议

  1. 正常的阈值操作应该可以很好地工作，或者

  2. 逐行链码“计算”或

  3. 在直方图中找到梯度。

会有很多其他的解决方案。如果这是一致的，我会考虑减去背景阴影。

于 2012-05-14T10:35:52.050 回答