python - 蝴蝶图像的特征提取

Question

我有一组蝴蝶图像，用于训练我的系统从给定的输入图像中分割出蝴蝶。为此，我想提取诸如边缘、角落、区域边界、局部最大/最小强度等特征。

我发现了许多特征提取方法，例如 Harris 角点检测、SIFT，但是当图像背景与蝴蝶的身体/边界颜色相同时，它们效果不佳。

任何人都可以告诉是否有任何好的特征提取方法适用于蝴蝶分割？我正在使用 OpenCV 的 Python 实现。

Answer 1

你愿意编写自己的图像处理逻辑吗？

您最好的选择可能是针对您的问题优化分割/特征提取，而不是使用以前的实现，例如用于更一般用例的 opencv。

我发现在嘈杂/低对比度环境中运行良好的一个选项是使用滑动窗口（即 10x10 像素）并构建梯度方向直方图。从这个直方图中，您可以识别出更多优势边缘的存在（它们在直方图中累积）及其方向（允许检测角等事物）并查看局部最大值/最小值。（如果需要我可以提供更多细节）

如果您对整体分割和用户交互感兴趣，我建议您使用图形切割或抓取切割。在图形切割中，用户将能够微调分割。抓取剪切已经在 opencv 中，但可能会导致相同的问题，因为它需要用户的单个输入，然后自动分割图像。

Answer 2

您可以尝试通过将训练数据（butterlys 的图像）上传到demo.nanonets.ai（免费使用）来构建模型

1) 在此处上传您的训练数据：

演示.nanonets.ai

2）然后使用以下（Python代码）查询API：

import requests
import json
import urllib
model_name = "Enter-Your-Model-Name-Here"
url = "https://i.ytimg.com/vi/xT6UsQwZyy0/maxresdefault.jpg"
files = {'uploadfile': urllib.urlopen(url).read()}
url = "http://demo.nanonets.ai/classify/?appId="+model_name
r = requests.post(url, files=files)
print json.loads(r.content)

3）响应看起来像：

{
  "message": "Model trained",
  "result": [
    {
      "label": "Black Swallowtail",
      "probability": 0.97
    },
    {
      "label": "Orange Sulphur",
      "probability": 0.025
    },
    {
      "label": "Monarch",
      "probability": 0.005
    }
  ]
}