OpenCV - BW圖像上的PCA分析 - 區域與形狀 - 是否已有實現？

Question

在bw圖像上檢測到物體的形狀。該物體呈黑色連續形狀，背景爲白色。 我們使用PCA（http://docs.opencv.org/3.1.0/d1/dee/tutorial_introduction_to_pca.html）獲取對象方向並對齊對象。目前，形狀本身（輪廓上的點）是opencv PCA實現的輸入。這通常工作得很好。但時不時在物體邊緣會有小的污垢，導致形狀在污垢周圍傳播。這會導致更多的點和更多的重量在一邊，略微轉動的對象。

想法：我們使用物體的區域作爲PCA分析的輸入，而不是輪廓。問題在那裏，檢查所有點是否在輪廓內，然後將它們用於PCA會降低應用程序的速度。這部分將會慢52352倍。

新方法：我們在圖像中隨機抽取點，檢查它們是否在形狀內，如果是，請將它們用於我們的PCA。我們必須看看能否從這種方法中獲得所需的一致質量。

opencv中是否已經有類似的實現使用區域而不是形狀？ 另一種方法是將網格放置在對象上，並使用對象內部的網格點作爲PCA。 有沒有類似的東西可以使用，或者是否需要快速實現類似的東西？

尋找物體周圍的直線不是一種選擇。

Answer 1

鑑於我們已經收到您的問題（發佈圖像將有很大的幫助），你似乎不知道噪聲的概率密度函數的信息非常有限，最好的辦法是考慮噪聲是高斯。因此，按照你的直覺，我建議的方法是在對象內部計算PCA並採用少數幾個（我的意思是統計上相關但不提高計算時間）。

在迭代循環中重複此過程，並將從PCA應用程序獲得的旋轉角度存儲到對象形狀的某處。

停止一旦你有足夠的點，計算旋轉角度的平均值：這是一個正確的角度估計。計算標準偏差以獲得估算質量的度量。通過「足夠的分數」，根據中心極限定理，可以認爲〜30分通常被認爲是「充分」的代表潛在的人口。

如果您願意，您可以通過多種方式改進此方法，例如在收集足夠的點後對真實角度進行可靠估計。這一切都取決於你手邊的數據......以我的建議爲出發點。

Answer 2

您可以更改的參數很少，可以改進您的系統。

首先是用來對圖像進行二值化的閾值。我不知道你的應用程序是關於什麼的，但你可以使用其他顏色系統，或者通過cromacity規範你的圖像，然後應用新的閾值。

其他方面是排除具有更大或更小面積的形狀（輪廓），您所期望的。

要合起來，您可以在檢測輪廓之前使用模糊濾鏡。

Answer 3

我不知道噪聲是如何看起來的，但是當你說「小污垢」時，我認爲它可能只有幾個像素，它比它自己的對象小很多，但它可能附着在對象上。爲了減少這種噪聲，可以在二值圖像上執行開放（形態學）。

http://docs.opencv.org/2.4/doc/tutorials/imgproc/opening_closing_hats/opening_closing_hats.html