27

问题

我收藏了日本一座山的数码照片。然而，这座山经常被云或雾遮住。

我可以使用哪些技术来检测图像中的山是否可见？我目前正在将 Perl 与Imager模块一起使用，但对替代方案持开放态度。

所有图像都是从完全相同的位置拍摄的——这些是一些样本。

示例图片 http://www.freeimagehosting.net/uploads/7304a6e191.jpg

我天真的解决方案

我首先采集了几个山锥的水平像素样本，并将亮度值与天空中的其他样本进行比较。这对于区分好图像 1 和坏图像 2 非常有效。

然而到了秋天，下雪了，山比天还亮，如图 3 所示，我的简单亮度测试开始失败。

图 4 是边缘情况的示例。我会把它归类为一个好的图像，因为有些山是清晰可见的。

更新 1

谢谢你的建议——我很高兴你们都大大高估了我的能力。

根据答案，我开始尝试ImageMagick 边缘检测变换，它为我提供了一个更简单的图像来分析。

convert sample.jpg -edge 1 edge.jpg

边缘检测样本 http://www.freeimagehosting.net/uploads/caa9018d84.jpg

我想我应该使用某种遮罩来摆脱树木和大部分云层。

获得蒙版图像后，将相似度与“好”图像进行比较的最佳方法是什么？我猜“比较”命令适合这份工作吗？如何从中获得数字“相似性”值？

更新 2

我想我可能会用卷积到达某个地方。

我通过对好的图像执行边缘检测来制作我的“内核”图像（下图顶部）。然后，我将山脉轮廓周围的所有“噪音”涂黑，然后对其进行裁剪。

然后我使用了以下代码：

use Image::Magick;

# Edge detect the test image
my $test_image = Image::Magick->new;
$test_image->Read($ARGV[0]);
$test_image->Quantize(colorspace=>'gray');
$test_image->Edge(radius => 1);

# Load the kernel
my $kernel_image = Image::Magick->new;
$kernel_image->Read('kernel-crop.jpg');

# Convolve and show the result
$kernel_image->Convolve(coefficients => [$test_image->GetPixels()]);
$kernel_image->Display();

我为各种样本图像运行了这个，我得到了如下结果（卷积图像显示在每个样本下方）：

（对不起 - 与上次不同的示例图像！）

替代文字 http://www.freeimagehosting.net/uploads/f9a5a34980.jpg

现在我正在尝试量化图像的“粗糙度”。我尝试获取图像平均亮度：

$kernel_image->Scale('1x1');
die $kernel_image->GetPixel(x=>1,y=>1)[0];

但这给出并没有给出有意义的值（0.0165、0.0175 和 0.0174）。还有更好的方法吗？

4

3 回答 3

9

我认为你的工作水平太低了。快速通过边缘检测过滤器将图像集非常明显地划分为 (1, 3) 和 (2, 4)。尤其是如果这些图像来自固定的相机视点，则在算法上找到与 (1) 中的原型形状匹配的内容相对容易。即使是 (4) 的情况，也可以为您提供一个部分匹配的域，您可以启发式地确定那里是否有足够的山需要考虑。

于 2010-03-27T06:36:56.037 回答
5

一些具体的建议，建立在你已经得到的基础上：

  1. 拍摄您最好的图像（类似于图像 1），通过边缘检测运行它，在任何图形编辑器中打开结果（MS Paint 可以）并清理除山顶边界（“中国帽子”线）之外的所有内容。这是你的卷积核。您可以从上方和下方裁剪它（而不是调整大小！），以便在下一步中节省一些时间。
  2. 使用ConvolvePerlMagick 中的函数（您似乎已经习惯了 Perl 和 ImageMagick）将内核与一些图像进行卷积。在生成的图像上，您应该看到与内核的“正确”位置相对应的尖锐尖峰（与图像中的山重合）。
  3. 当山更清晰可见时，这个尖峰的相对高度（相对于周围噪音的水平）会更大。通过拍摄几张有代表性的图像，您可能能够确定一个阈值，将好图像与坏图像区分开来。
  4. 无论你做什么，都会有误报和误报。做好准备。
于 2010-03-27T22:51:21.843 回答
4

答案取决于问题的具体程度。如果它是来自同一 POV 的同一座山，则对已知的良好图像运行和边缘检测，并将其用作对来自语料库的边缘检测图像进行卷积的基线。如果只是您感兴趣的山的边缘，请手动从基线中移除其他要素。

于 2010-03-27T06:40:45.110 回答