0

我有一系列图像。我在这里发布示例图片。我需要从图像中提取特征作为绘制在每个图像上的 60 个标记的坐标。然后从一个特定的标记（在鼻子上）我需要找到所有其他标记的距离。

我试图使用 openCV 作为语言来实现这一点并正在阅读文档，但一周后我仍然无法实现目标。谁能指导我正确的方向。如果不是整个解决方案，请给我一个链接或教程，让我知道如何完成它。

请参考我上传的图片。标记在整个图像上涂成蓝色。这是需要从中取出特征的图像。

任何帮助，将不胜感激。谢谢。

这是我尝试过的代码，但结果严重偏离了轨道。

     //This function threshold the HSV image and create a binary image
Mat GetThresholdedImage(Mat imgRGB){        
    Mat imgThresh;   
    inRange(imgRGB, Scalar(95,110,151), Scalar(112,125,169), imgThresh); 
    return imgThresh;
} 
int main(){
 Mat frame;
 frame = imread("other/test2.jpeg");
 namedWindow("Input");      
 namedWindow("Ball");

 Mat imgRGB=frame.clone();

 Mat imgThresh = GetThresholdedImage(imgRGB);


 imshow("Ball", imgThresh);            
 imshow("Input", frame);

 waitKey(0);
 return 0;
}

4

2 回答 2

5

使用与您的代码相似的代码很容易找到所有标记 - 您只需将图像转换为 HSV 颜色空间，而不是使用 inRange 函数 - HSV 颜色空间更适合此类任务，因为它“关注”颜色，而不是亮度。这段代码：

Mat m = imread("D:\\face.jpg"), m2, m3;
cvtColor(m, m, CV_RGB2HSV);
resize(m, m, Size(m.cols/2, m.rows/2));
inRange(m, Scalar(0, 90, 50), Scalar(15, 175, 190), m2); 
imshow("qwe", m);
imshow("qwe2", m2);
dilate(m2, m3, Mat());
imshow("qwe", m);
imshow("qwe2", m2);
imshow("qwe3", m3);
waitKey(-1);
return 0;

关于这段代码的几件事：
- 当然你必须更改文件的路径
- 调整大小并不重要 - 我只使用过它，因为图像对我的屏幕来说太大了
- 通过查看显示的图像可以很容易地找到 inRange 标量的值在 HSV 中（OpenCV 将每个具有 3 个通道的图像显示为 RGB 图像，所以它看起来有点奇怪） - 只需从窗口底部读取值（可能你必须为此使用 QT 构建 OpenCV，否则窗口不会有这个信息）：在此处输入图像描述注意 - 值的顺序不同于通常（HSV），所以如果你从屏幕底部读取例如颜色（a，b，c），你应该使用Scalar（c，a，b） .

inRange 之后的结果：
在此处输入图像描述 最终结果：
在此处输入图像描述
如您所见，图像上还有其他对象，但应该很容易检测和擦除 - 只需在有面部的区域中查找标记（使用面部检测）或简单地为每个轮廓找到它边界矩形并检查边界矩形区域的百分比是轮廓区域 - 如果此值小于删除此轮廓（因为它与圆形不相似）。

于 2013-09-15T12:32:37.803 回答
3

对于这样的问题，可能有多种解决方案来完成您想做的事情。您可以使用 OpenCV 来帮助您自己实现这些功能。关于如何处理此类问题的一些建议：

  1. 从图像中分割蓝色标记。可能使用蓝色通道上的阈值来获得这些点。它们在蓝色通道中应该具有相当高的价值。
  2. 由于标记看起来不止一个像素，因此您可以将附近的蓝色相邻像素视为一个簇，并找到每个簇（标记）的质心。
  3. 从鼻尖的质心，计算到脸上每个聚类质心的距离。

这也取决于一些事情。看起来这张图片中的衬衫有相当多的蓝色，所以它可能会被标记分割。要删除它，您可以使用 OpenCV 的人脸检测来查找人脸，然后只需担心找到的人脸区域。

这也取决于你是否知道鼻子标记在哪里。如果您可以手动选择它（可以使用 OpenCV 来执行此操作），您可以在鼻子标记上设置一个种子，然后执行前面的步骤。

如果您无法手动选择它，则根据此图像，鼻子标记似乎靠近图像的中心（如果您使用的是鼻尖）。您可能能够找到最接近图像中心的质心并使用它。这样做将取决于您将要测试的其余图像。此外，这种确定鼻子标记的自动方法可能不起作用，因为还有其他非常接近的标记。您可以选择其中一个而不是实际的鼻尖。

正如我所说，这是一个非常主观的问题，可以有很多解决方案来解决它。这些只是一些建议，也许可以帮助您指明正确的方向。

于 2013-09-12T21:15:32.233 回答