问题标签 [edge-detection]

如果我解释原因，这可能更有意义

我有一个逻辑矩阵 (103x3488) 输出的测量人员的照片已经通过边缘检测 (1=edge, 0=noedge)。旨在计算工作人员刻度之间的像素距离。问题，工作人员在中间下垂。

想法：用户输入五线谱每一端的坐标（使用ginput或其他东西）和凹陷的中点，然后如果这些点之间的边缘可以提取到数组中，我可以很容易地找到边缘的位置。

以这种方式从矩阵中提取数组的任何方法？

也欢迎其他想法，只使用matlab一个月，所以大多数功能我都不知道。

编辑：图片链接

它显示了矩阵的一小部分区域，因此在此示例中，1 和 2 是我想要在其间采样的点，我想返回沿红线出现的点。

干杯

背景

这是我的 Emgu.CV 代码，用于获取图像并绘制其中找到的圆圈（主要来自 Emgu.CV.Examples 解决方案中的 ShapeDetection 项目的代码，该解决方案随 EmguCV 下载提供）：

这是图像：

问题

1. 好的，所以我知道阈值ThresholdBinary是多少。由于我从灰度图像中获取二进制图像，因此它是图片中灰度的强度。这是因为图片中灰度圆圈的强度为 150 到 185。我假设这与 的第一个参数相同HoughCircles。

   我不知道的是 circleAccumulatorThreshold、累加器的分辨率和最小距离（第 2、第 3 和第 4 个参数到HoughCircles）是什么，或者应该有什么值。我显然没有正确的值，因为图片中的圆圈没有正确“houghed”。

2. 我的第二个问题是，有没有更好的方法来找到圆圈？我需要能够在多种类型的光中检测到这个圆圈（即圆圈颜色强度可能很低，如 80 或更低）并在图片中获得它的尺寸。匹配圆圈的最佳方法是什么？我应该让圆圈变成另一种颜色并在原始图像中查找该颜色吗？还有其他想法吗？

谢谢

我即将开始一个不属于任何课程的大学项目。我的任务是识别任意图像上的对象（比如图像中的圆圈数）。我将主要使用 2D 图像。我对这种图像处理没有太多经验，想知道是否有人可以指导从哪里开始。

我最初的谷歌搜索给了我一些关键词，比如 OpenCV。我有一些关于信号和系统的课程（特别是傅立叶变换）、许多与计算机科学相关的课程（数据结构、算法等）、数学课程（微积分、线性代数等）等等。

有人可以给我一个关于寻找和学习什么样的东西的快速指南吗？任何形式的指导将不胜感激。谢谢！

我希望我可以从 stackoverflow 社区获得一些指导，以解决我在高级项目中遇到的困境。首先，我想声明我是一个新手程序员，我相信你们中的一些人会很快告诉我这个项目超出了我的想象。我很快就意识到这可能是真的。

现在这已经不碍事了，让我给出一些定义：

项目目标： 该项目的目标，就像许多其他人在各种 SO 问题中寻求实现的一样（其中许多问题在此工作过程中对我非常有帮助），是检测停车位是否已满或可用，最终将此类情况报告给用户（最好是通过 iPhone 或 Droid 或其他易于使用的移动应用程序——由于时间限制，这方面很快被认为超出了我的工作范围）。

使用中的工具： 我大量使用了 AForge.Net 库的资源，它为我提供了将项目整合到一起的所有构建块，包括从 IP 摄像机捕获视频、对图像应用过滤器以及最终完成检测的目的。结果，你就会知道我选择用 C# 编程，主要是因为初学者易于使用。其他选项包括 MATLAB/C++、带有 OpenCV 的 C++ 和其他替代方案。

问题

这是我遇到问题的地方。下面链接了一张在 AForge 图像处理实验室中经过预处理的图像。使用的过滤器和过程的顺序是：灰度、直方图均衡、Sobel 边缘检测，最后是 Otsu Thresholding（尽管我不相信需要最后一步）。

http://i.stack.imgur.com/u6eqk.jpg

当然，您可以用肉眼从图像中看出，检测到的边缘序列显然是停在我用相机监控的空间中的汽车。这些汽车的轮廓清晰地由亮化的车轮图案、基本上代表侧窗外边缘的那种“双铁轨”图案，甚至在这种情况下的车牌轮廓线所定义。具体来说，在项目的延续中，选择的摄像机将是一个 PTZ，以覆盖尽可能多的街区，因此我只想关注汽车的侧面特征（消除车牌等因素） . 也可以考虑天窗的矩形等特征，但显然这不是汽车的普遍特征，而一般的窗户轮廓是。

我们都可以看到这些模式存在差异，当然会因汽车制造商和型号而异。但是，通常这个序列不仅可以成功检索所需的特征，还可以从视野中消除道路（重要的是，如果您要检测空白空间，我打算使用道路颜色作为“第一个试金石”......如果我检测到与道路数据一致的灰度级，特别是如果在一个区域中没有检测到边缘，我觉得我可以安全地假设一个空白空间）。我的问题是这样的，希望它足够通用，对网站上的其他人实际上有益：

重点问题：
有没有办法拍摄一个图像片段（通过裁剪），然后将检测到的边缘序列与来自相机的未来新帧进行比较？更具体地说，有没有办法做到这一点，同时允许余地/基本上为边缘的微小差异创建公差阈值？

关于这个问题的个人想法/头脑风暴：
——我确信有一种方法可以逐个像素地比较——裁剪到边缘周围的矩形，然后将裁剪后的图像滑过新处理的帧以进行比较像素-逐像素，但除非您与检测到的边缘完全匹配，否则这将无济于事。

感谢所有帮助，我也很乐意根据需要进行澄清。

最近和同事讨论图像渐变操作。

通常，图像梯度定义为：

dI_dx(j,k) = I(j,k+1) - I(j,k) # x partial derivative of image

dI_dy(j,k) = I(j+1,k) - I(j,k) # y partial derivative of image

对于图像的 x 偏导数，这个操作可以用一个 1x2 的滤波器数组来表示：

[1 -1]

但还有另一个定义：

dI_dx(j,k) = I(j,k+1) - I(j,k-1)=> [1 0 -1]（过滤器数组）

于是我的同事问：它们有什么区别，为什么后面的1x3滤镜比1x2滤镜更常用？

我们讨论了一些可能的原因：

1. 1x3 采样比 1x2 更稳健

   我的同事：不，他们都为每个图像梯度像素采样 2 个像素，在这些过滤器中采样像素上出现噪声的概率是相同的。

2. 1x3 比 1x2 更平滑

   我的同事：不，1x2 和 1x3 过滤器的定义根本没有平滑。Sobel 滤波器是由高斯平滑的...

扩展问题：图像梯度的空间滤波器内核是否有所谓的“窗口大小”？

顺便说一句，我和我的同事并没有被以下参考网页说服......

http://www.cis.rit.edu/people/faculty/rhody/EdgeDetection.htm

我使用 OpenCV 的时间很短，并且对图像执行了 Canny 边缘检测，之后还执行了膨胀以进一步将对象（在我的情况下为正方形）与背景分开。

我现在的问题是使用一种算法来识别 2D 中的可抓取区域，该算法需要我处理这些边缘中点的坐标。有什么方法可以使用 OpenCV 来获取角的坐标，这样我就可以找到形成正方形边缘的线的方程？我知道正方形的大小。我的问题涉及二维坐标几何，因此需要坐标。

如果需要，我可以提供边缘检测和膨胀后的图像。帮助将不胜感激。

我试图理解这段代码：

我知道这d是应用了图像和精明检测器，忽略了 40 个像素。图像是灰度的，轮廓被添加到图像中。

你能解释下几行吗？这里使用什么原理/算法？我遇到了麻烦，尤其是代码的轮廓检测部分。

我正在寻找一种方法来检测和裁剪我收到的扫描图像。图片是一种被扫描的表格，因此它还包含扫描封面的白色背景。

有什么建议我可以自动做到这一点吗？

当用户在网络摄像头前时，我正在寻找用户头部的边缘。我尝试谷歌搜索但无济于事。有人可以为我指出一些相同的ActionScript示例吗？

和平\m/

我的应用是检测硬币。我已经使用 OpenCv 完成了大部分工作。我正在使用 CannyDetection 和 houghTransform 来检测图像圆圈。

但是我没有得到正确的硬币圈，我认为 ThresoldValues 传递给 cannyEdgeDetector 可能有问题。谁能告诉我如何选择阈值来检测硬币圈。

谢谢你，斯里尼瓦斯