9

我需要从太空中探测太阳。

这些是输入图像的示例：

我在形态学过滤后得到了这样的结果（open操作两次）

这是这个处理的算法代码：

// Color to Gray
cvCvtColor(image, gray, CV_RGB2GRAY);

// color threshold
cvThreshold(gray,gray,150,255,CV_THRESH_BINARY);

// Morphologic open for 2 times
cvMorphologyEx( gray, dst, NULL, CV_SHAPE_RECT, CV_MOP_OPEN, 2);

这么简单的任务是不是处理太繁重了？以及如何找到太阳的中心？如果我找到白点，我会找到大地球的白点（第一个示例图像的左上角）

请告诉我请我采取进一步的行动来探测太阳。

更新 1：

尝试centroid通过公式获取的算法：{x,y} = {M10/M00, M01/M00}

CvMoments moments;
cvMoments(dst, &moments, 1);
double m00, m10, m01;

m00 = cvGetSpatialMoment(&moments, 0,0);
m10 = cvGetSpatialMoment(&moments, 1,0);
m01 = cvGetSpatialMoment(&moments, 0,1);

// calculating centroid
float centroid_x = m10/m00;
float centroid_y = m01/m00;

    cvCircle( image, 
              cvPoint(cvRound(centroid_x), cvRound(centroid_y)), 
              50, CV_RGB(125,125,0), 4, 8,0);

在照片中地球的位置，我得到了这样的结果：

所以，质心在地球上。:(

更新 2：

尝试cvHoughCircles：

CvMemStorage* storage = cvCreateMemStorage(0);
CvSeq* circles = cvHoughCircles(dst, storage, CV_HOUGH_GRADIENT, 12, 
                                dst->width/2, 255, 100, 0, 35);

if ( circles->total > 0 ) {
    // getting first found circle
    float* circle = (float*)cvGetSeqElem( circles, 0 ); 

    // Drawing:
    // green center dot
    cvCircle( image, cvPoint(cvRound(circle[0]),cvRound(circle[1])), 
          3, CV_RGB(0,255,0), -1, 8, 0 ); 
    // wrapping red circle
    cvCircle( image, cvPoint(cvRound(circle[0]),cvRound(circle[1])), 
        cvRound(circle[2]), CV_RGB(255,0,0), 3, 8, 0 ); 
}

第一个例子：宾果游戏，但第二个 - 没有；（

我尝试了不同的配置cvHoughCircles()- 找不到适合我的每张示例照片的配置。

更新3：

matchTemplate方法对我有用（回应mevatron）。它适用于大量测试。

4

3 回答 3

10

尝试一个简单的方法怎么样matchTemplate。我使用了这个模板图像：
在此处输入图像描述

并且，它检测到了我尝试的 3 个太阳图像中的 3 个： 在此处输入图像描述 在此处输入图像描述 在此处输入图像描述

这应该起作用，因为圆（在你的情况下是太阳）是旋转不变的，并且由于你离太阳很远，它也应该大致是尺度不变的。所以，模板匹配在这里会很好地工作。

最后，这是我用来执行此操作的代码：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char* argv[])
{
    /// Load image and template
    string inputName = "sun2.png";
    string outputName = "sun2_detect.png";
    Mat img   = imread( inputName, 1 );
    Mat templ = imread( "sun_templ.png", 1 );

    /// Create the result matrix
    int result_cols =  img.cols - templ.cols + 1;
    int result_rows = img.rows - templ.rows + 1;

    Mat result( result_cols, result_rows, CV_32FC1 );

    /// Do the Matching and Normalize
    matchTemplate(img, templ, result, CV_TM_CCOEFF);
    normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());

    Point maxLoc;
    minMaxLoc(result, NULL, NULL, NULL, &maxLoc);

    rectangle(img, maxLoc, Point( maxLoc.x + templ.cols , maxLoc.y + templ.rows ), Scalar(0, 255, 0), 2);
    rectangle(result, maxLoc, Point( maxLoc.x + templ.cols , maxLoc.y + templ.rows ), Scalar(0, 255, 0), 2);

    imshow("img", img);
    imshow("result", result);

    imwrite(outputName, img);

    waitKey(0);

    return 0;
}

希望对您有所帮助！

于 2011-11-22T02:31:18.063 回答
2

颜色分割方法

对图像进行颜色分割以识别黑色背景上的对象。您可以根据太阳的面积来识别太阳（鉴于这可以唯一地识别它，因此在图像中不会有很大差异）。更复杂的方法可以计算图像矩，例如对象的 hu 矩。有关这些功能，请参阅此页面。

使用您选择的分类算法对找到的对象进行实际分类。最简单的方法是手动指定阈值，resp。结果证明适用于所有（大多数）对象/图像组合的值范围。

您可以从原始时刻计算实际位置，因为圆形太阳的位置等于质心 

Centroid: {x, y } = { M10/M00, M01/M00 }

边缘图方法

另一种选择是边缘图的圆形霍夫变换，这将有望返回一些候选圆（按位置和半径）。您可以根据您期望的半径选择太阳圆（如果幸运的话，最多有一个）。

于 2011-11-21T22:26:51.930 回答
2

对代码的一个简单补充是根据对象的大小过滤掉对象。如果您总是期望地球比太阳大得多，或者太阳在每张图片中的面积几乎相同，您可以按面积过滤。

试试Blob 检测器来完成这个任务。

请注意，应用形态打开/关闭而不是简单的侵蚀或扩张可能会更好，因此您的太阳在处理之前和之后将具有几乎相同的区域。

于 2011-11-22T07:40:36.267 回答