android - 检测纸上的黑色墨水斑点 - Opencv Android

Question

我是 openCV 的新手，我一直在研究为 Android 提供的示例。

我的目标是检测颜色斑点，所以我从颜色斑点检测样本开始。

我正在将彩色图像转换为灰度，然后使用二进制阈值进行阈值处理。

背景是白色的，斑点是黑色的。我想检测那些黑色斑点。另外，我想用彩色画出它们的轮廓，但我不能这样做，因为图像是黑白的。

我已经设法在灰度中完成了这一点，但我不喜欢如何绘制轮廓，就像颜色容差太高并且轮廓比实际的 blob 大（也许 blob 太小了？）。我猜我所说的这种“容忍度”与 setHsvColor 有关，但我不太了解这种方法。

提前致谢！此致

更新更多信息

我要跟踪的图像是墨水分裂。想象一张白色的纸，上面有黑色的墨水裂开。现在我正在实时进行（相机视图）。实际的应用程序会拍照并分析该照片。

正如我上面所说，我从 openCV GitHub 存储库中获取了 color-blob-detection 示例（android）。我在onCameraFrame方法中添加了这段代码（以便将其实时转换为黑白）。转换完成后，我不介意墨水是黑色、蓝色还是红色：

mRgba = inputFrame.rgba();
/**************************************************************************/
/** BLACK AND WHITE **/
// Convert to Grey
Imgproc.cvtColor(inputFrame.gray(), mRgba, Imgproc.COLOR_GRAY2RGBA, 4);

Mat blackAndWhiteMat = new Mat ( H, W, CvType.CV_8U, new Scalar(1));
double umbral = 100.0;
Imgproc.threshold(mRgba, blackAndWhiteMat , umbral, 255, Imgproc.THRESH_BINARY);

// convert back to bitmap for displaying
Bitmap resultBitmap = Bitmap.createBitmap(mRgba.cols(), mRgba.rows(), Bitmap.Config.ARGB_8888);
blackAndWhiteMat.convertTo(blackAndWhiteMat, CvType.CV_8UC1);
Utils.matToBitmap(blackAndWhiteMat, resultBitmap);
/**************************************************************************/

这可能不是最好的方法，但它确实有效。

现在我想检测黑色斑点（墨水分裂）。我猜它们被检测到是因为 Logcat（示例应用程序的日志条目）会抛出检测到的轮廓数，但我无法看到它们，因为图像是黑白的，并且我希望轮廓是红色的，例如。

这是一个示例图像：-

这是我使用 RGB 得到的结果（按原样进行颜色斑点检测，而不是黑白图像）。注意没有检测到小斑点。（是否有可能检测到它们？还是它们太小了？）

谢谢你的帮助！如果您需要更多信息，我很乐意更新此问题

更新：颜色斑点检测示例的 GitHub 存储库（第二张图片）

适用于 Android 的 openCV 示例的 GitHub 存储库

score 0 · Accepted Answer

该解决方案基于自适应图像阈值和使用连通分量算法的组合。

假设- 纸张是图像中最亮的区域，而纸张上的墨点是最暗的区域。

from random import Random
import numpy as np
import cv2

def random_color(random):
    """
    Return a random color
    """
    icolor = random.randint(0, 0xFFFFFF)
    return [icolor & 0xff, (icolor >> 8) & 0xff, (icolor >> 16) & 0xff]

#Read as Grayscale
img = cv2.imread('1-input.jpg', 0)
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

# Gaussian to remove noisy region, comment to see its affect.
img = cv2.medianBlur(img,5)

#Find average intensity to distinguish paper region
avgPixelIntensity = cv2.mean( img )
print "Average intensity of image: ", avgPixelIntensity[0]

# Generate mask to distinguish paper region
#0.8 - used to ignore ill-illuminated region of paper
mask = cv2.inRange(img, avgPixelIntensity[0]*0.8, 255) 
mask = 255 - mask
cv2.imwrite('2-maskedImg.jpg', mask)

#Approach 1
# You need to choose 4 or 8 for connectivity type(border pixels)
connectivity = 8
# Perform the operation
output = cv2.connectedComponentsWithStats(mask, connectivity, cv2.CV_8U)
# The first cell is the number of labels
num_labels = output[0]
# The second cell is the label matrix
labels = output[1]
# The third cell is the stat matrix
stats = output[2]
# The fourth cell is the centroid matrix
centroids = output[3]

cv2.imwrite("3-connectedcomponent.jpg", labels)
print "Number of labels", num_labels, labels

# create the random number
random = Random()

for i in range(1, num_labels):
    print stats[i, cv2.CC_STAT_LEFT], stats[i, cv2.CC_STAT_TOP], stats[i, cv2.CC_STAT_WIDTH], stats[i, cv2.CC_STAT_HEIGHT]
    cv2.rectangle(cimg, (stats[i, cv2.CC_STAT_LEFT], stats[i, cv2.CC_STAT_TOP]), 
        (stats[i, cv2.CC_STAT_LEFT] + stats[i, cv2.CC_STAT_WIDTH], stats[i, cv2.CC_STAT_TOP] + stats[i, cv2.CC_STAT_HEIGHT]), random_color(random), 2)

cv2.imwrite("4-OutputImage.jpg", cimg)