2

对于一个学校项目，我正在尝试用 Python 编写一个跟踪学生运动的程序。为了做到这一点，我正在使用 OpenCV。在互联网上查找了一些教程后，我注意到几乎每个人都在使用阈值来实现这一点，因为几乎每一步都需要二进制图像（例如 HoughCircle Transofrmation、Contours）。但是，据我了解，阈值对光非常敏感，因此这种方法只会在最佳闪电条件下返回良好的结果。 所以我的问题来了：除了对图像进行阈值处理之外，还有什么替代或更好的方法吗？或者我对 OpenCV 中阈值的理解首先是错误的？

这是一个示例图像：

示例图像

4

1 回答 1

3

阈值化的目的是从背景中分割出所需的对象，然后您可以在其中执行额外的处理（应用形态学操作），然后执行轮廓过滤以进一步隔离所需的对象。不是在 BGR（3 通道）图像或灰度（1 通道）图像上应用图像处理技术[0...255]，阈值处理允许我们获得一个二值图像，其中每个像素都是0或者1这使得区分对象更容易。根据您的情况，有很多方法可以获得二值图像，这里有几种方法：

  • cv2.Canny- 使用minVal和maxVal确定边缘的 Canny 边缘检测

  • cv2.threshold- 用户选择任意全局阈值的简单阈值

  • cv2.threshold+ cv2.THRESH_OTSU- Otsu 的阈值自动计算阈值。

  • cv2.adaptiveThreshold- 自适应阈值，其中图像在不同区域具有不同的照明条件。本质上，它会自动计算图像不同区域的阈值，并在具有不同照明的图像上给出更好的结果

  • cv2.inRange- 颜色分割。这个想法是使用下限和上限阈值范围来获得二值图像。在尝试隔离单个颜色范围时很有用

于 2020-02-07T09:46:51.360 回答