C++ OpenCV視覺庫是否適合這種圖像分割的情況？

Question

我正試圖爲C++找到一個易於使用的視覺庫。這裏是我的情況：我有接口的計算機的攝像頭（爲簡單起見，雖然，我們就可以假設計算機上存在該圖像文件），這就是圖像將非常類似：

這個想法是垂直堆疊的三個物體將具有高度對比的顏色。我需要確定物體的位置，因此視覺庫將不得不找到物體的邊緣或確定物體的中心。

我以前從未使用過視覺系統，所以我一直在做一些研究，看起來OpenCV很受歡迎。用於我的應用程序會很容易，還是有另一個庫可以用來輕鬆確定對象的位置？

感謝您的諮詢！

Answer 1

對於這個特定的圖像，你不需要在全綵色空間中工作，而是可以在單獨的強度（HSV的「V」的一部分 - 「值」，意思強度）工作。

無論您使用的價值空間或色彩空間，佩內洛普提到，將取決於你生產你的真實物體的自然的圖像。對於一般情況，您可能需要使用色調和值（強度）的組合來正確分割圖像。而不是在色相值向量空間中工作，分別在H和V圖像平面中工作並結合結果更爲直接。 （在3D矢量空間中的分割當然是可能的，但對於這個項目可能會不必要的複雜。）

OpenCV中的分水嶺算法可以很好地滿足您的需求。關於大津的方法謹慎 http://www.seas.upenn.edu/~bensapp/opencvdocs/ref/opencvref_cv.htm

一字：它的優良用於分離兩種模式時的強度值（或色調值）的直方圖是雙峯分佈，但對於自然圖像也並不常見有真正雙峯分佈。如果背景和/或前景物體的強度和/或色調從物體的一側到另一側發生變化，則大津表現不佳。

大津當然可以擴展爲多種模式，如數字圖像處理由岡薩雷斯和伍茲和其他介紹教科書的主題。但是，即使使用Otsu一次分離一對模式，背景漸變也會導致問題。

您還需要確保如果您的相機鏡頭放大或縮小，您仍然可以找到相同的二值化閾值。基本的Otsu技術使用圖像直方圖中的所有像素。這意味着您可以對圖像中的所有像素進行加擾，以產生與原始圖像具有相同圖像直方圖的純噪聲，並且Otsu的方法會生成相同的閾值。

一個常見的技巧是依靠邊緣附近的像素。在你的例子中，我們可以認爲圖像是一個尖銳邊緣，銳角和（希望）統一HSV值的區域。在邊緣附近採樣像素可以通過幾種方式完成，包括：

1. 找到強大的邊緣點（使用Canny或一些更簡單的技術）。沿邊緣梯度的方向，並且在從邊緣點距離+/- d，採樣的（相對）前景和（相對）的背景的灰度等級。距離D應該比所討論的物體的尺寸小得多。
2. 尋找強大的優勢點。邊沿點自己作爲可能所需的閾值的估計使用灰度級。一個在object1和對象2之間的邊緣，而另一個在對象2和object3之間的邊緣：在你的榜樣，你就會有兩個強峯邊了。

由於您的物體有角落，您可以使用它們來幫助識別適合採樣的物體邊界和/或邊緣像素。

如果你有標稱的矩形對象，你也可以使用霍夫邊緣或RANSAC邊緣算法來識別圖像中的線條，找到角落，等路口

所有這一切說，幾乎涉及對象的任何自然的圖像相互堆疊你會遇到許多複雜的頂部：

顏色和強度梯度跨越名義上的對象

• 陰影如果對象是由光學系統

一個不同的距離如果你肯定知道有多少對象不同清晰度的色彩一致

邊緣s是存在的，你可以嘗試一個K手段技術。 http://aishack.in/tutorials/knearest-neighbors-in-opencv/

對於更復雜的分割任務，例如當對象的數量是不知道，你可以使用均值漂移技術，但我第一次建議嘗試簡單的技術。

第一步和最簡單的解決方法是使用適當的照明。要減少反射和陰影，請使用漫反射照明。對於許多應用，最接近理想的漫射照明是「陰天」照明： http://www.microscan.com/en-us/products/nerlite-machine-vision-lighting/cdi-illuminators.aspx

更簡單地說，你可以嘗試一個或多個「反彈」燈，如在攝影工作室使用。 http://www.photography.com/articles/taking-photos/bounce-lighting/

Answer 2

OpenCV定義了一個易於使用的視覺庫。我已經在很多計算機視覺項目中使用過它，對我而言，使用它非常直觀。

我假設對象的顏色是未知的（如果沒有，here's是一個很好的教程，如何在OpenCV中找到特定的顏色）。

下面是解決你的問題，一個粗略的想法（我沿着什麼樣的操作是容易的OpenCV實現線路思考）：

• 將圖像轉換成HSV色彩空間 - 顏色應該有很在此空間中的不同色調值，如果它們具有高的對比度，因此，如果它使用p大津的方法（閾值將被自動確定）

• 僅使用色調圖像

• 閾畫面剔除中間物體（例如在背景上有2個連接的組件）完成分割。如果對象是方形的，你可以使用findContours或甚至Hough變換。

• 如果它只挑選出來的物體，你可以再次以相同的方式找到它的輪廓，設置感興趣的區域（你正在處理的圖像的一部分），所以它只是在輪廓內部，部分圖像再次找到另外兩個對象之間的邊界。最後，只需在單獨的圖像上疊加輪廓即可。

• 最棘手的情況是，如果它的閾值，以便您只能找到最內層的對象。乍一看，你不能區分上面的情況，但第二個（內部）閾值不會給出任何相關結果。在這種情況下，您可以在找到的閾值區域之外（第二個對象的Hue）選擇Hue，並將剛剛找到的最內層對象的Hue設置爲該Hue。現在，您再次獲得2色調圖片，您可以在外部兩個對象之間進行閾值和查找輪廓。最後，就像在前面的情況一樣，疊加找到的輪廓。