使用OpenCV進行動態背景分離和可靠的圓檢測

Question

我試圖在相似的彩色背景上檢測彩色的網球。我使用的OpenCV和C++

這是測試圖像我正在與工作： http://i.stack.imgur.com/yXmO4.jpg

我已經使用多個邊緣檢測器試圖; sobel，laplace和canny。三者都檢測白線，但當閾值處於可檢測網球邊緣的值時，輸出中的噪聲太大。

我也嘗試了霍夫圓變換，但是因爲它基於canny，所以它不起作用。

我不能使用背景減法，因爲背景可以移動。我也無法修改閾值，因爲照明條件可能會在網球內產生漸變。

我覺得我唯一的選擇是太模板匹配或檢測白線，但是我想盡可能避免這種情況。

你有什麼建議嗎？

Answer 1

我不得不傾斜我的屏幕來自己發現網球。這是一個很難的形象。也就是說，Hough變換的默認OpenCV實現使用了Canny邊緣檢測器，但它不是唯一可能的實現。對於這些困難的情況，您可能需要自己重新實現。

你肯定可以用不同的邊緣檢測設置重複運行Hough算法來生成多個候選。除了直接比較候選人之外，您還可以檢查每個候選人是否具有主導紋理（在本地陰影校正之後）以及可能的條紋。但如果這些網球實際上在飛行中被捕獲，即移動，那可能會非常棘手。

Answer 2

在邊緣檢測之前，您對彩色圖像做什麼？簡單地將其轉換爲灰色？

以我的經驗，當您使用HSV色彩空間時，五顏六色的球彈出效果最佳。那麼你將不得不決定哪個頻道給出最好的結果。

也許將圖像轉換到不同的特徵空間可能會更好，然後依靠顏色。也許嘗試LBP響應紋理。然後對結果進行PCA以將特徵空間減少爲1個單通道圖像，並嘗試Hough變換。