在紙上檢測黑色墨水斑點 - Opencv Android

Question

我是openCV的新手，我一直在爲Android提供的示例。

我的目標是檢測色塊，所以我開始使用色塊檢測示例。

我將彩色圖像轉換爲灰度，然後使用二進制閾值進行閾值處理。

背景是白色的，斑點是黑色的。我想檢測那些黑色斑點。此外，我想繪製他們的輪廓顏色，但我不能做到這一點，因爲圖像是黑色和白色。

我已經設法在灰度中實現這一點，但我不喜歡如何繪製輪廓，這就像顏色容差太高，輪廓比實際的斑點大（可能斑點太小？）。我想我談論的這個'寬容'與setHsvColor有關，但我不太明白這個方法。

在此先感謝！順祝商祺

更新的詳細信息

我要跟蹤的圖像是墨分裂的。想象一張白紙與黑色墨水分裂。現在我正在實時進行拍攝（相機視圖）。實際的應用程序會拍攝照片並分析該照片。

正如我上面所說的，我從openCV GitHub回購中獲取了color-blob-detection示例（android）。我在onCameraFrame方法添加以下代碼（爲了將其轉換爲黑白實時）的皈依製成，所以如果油墨是黑色，藍色，紅色，我不介意：

mRgba = inputFrame.rgba(); 
/**************************************************************************/ 
/** BLACK AND WHITE **/ 
// Convert to Grey 
Imgproc.cvtColor(inputFrame.gray(), mRgba, Imgproc.COLOR_GRAY2RGBA, 4); 

Mat blackAndWhiteMat = new Mat (H, W, CvType.CV_8U, new Scalar(1)); 
double umbral = 100.0; 
Imgproc.threshold(mRgba, blackAndWhiteMat , umbral, 255, Imgproc.THRESH_BINARY); 

// convert back to bitmap for displaying 
Bitmap resultBitmap = Bitmap.createBitmap(mRgba.cols(), mRgba.rows(), Bitmap.Config.ARGB_8888); 
blackAndWhiteMat.convertTo(blackAndWhiteMat, CvType.CV_8UC1); 
Utils.matToBitmap(blackAndWhiteMat, resultBitmap); 
/**************************************************************************/ 

這可能不是最好的方法，但它的工作原理。

現在我想檢測黑色斑點（墨水分割）。我想他們會被檢測到，因爲Logcat（示例應用程序的日誌條目）會拋出檢測到的輪廓數量，但我無法看到它們，因爲圖像是黑白的，我希望輪廓是紅色的。

下面是一個例子形象： -

這裏是我開始使用RGB（彩色斑點檢測的，不是黑白圖像）。注意未檢測到小斑點。 （有可能檢測到它們嗎？還是它們太小？）

感謝您的幫助！如果您需要更多的信息，我會很樂意更新這個問題

UPDATE：彩色斑點檢測樣品（第二圖像）

GitHub Repo of openCV sample for Android

Answer 1

的GitHub庫的解決方案是基於自適應的組合圖像閾值化和連通分量算法的使用。

假設 - 紙張是圖像中亮度最高的區域，而紙張上的墨點是最黑暗的區域。

from random import Random 
import numpy as np 
import cv2 

def random_color(random): 
    """ 
    Return a random color 
    """ 
    icolor = random.randint(0, 0xFFFFFF) 
    return [icolor & 0xff, (icolor >> 8) & 0xff, (icolor >> 16) & 0xff] 

#Read as Grayscale 
img = cv2.imread('1-input.jpg', 0) 
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR) 

# Gaussian to remove noisy region, comment to see its affect. 
img = cv2.medianBlur(img,5) 

#Find average intensity to distinguish paper region 
avgPixelIntensity = cv2.mean(img) 
print "Average intensity of image: ", avgPixelIntensity[0] 

# Generate mask to distinguish paper region 
#0.8 - used to ignore ill-illuminated region of paper 
mask = cv2.inRange(img, avgPixelIntensity[0]*0.8, 255) 
mask = 255 - mask 
cv2.imwrite('2-maskedImg.jpg', mask) 

#Approach 1 
# You need to choose 4 or 8 for connectivity type(border pixels) 
connectivity = 8 
# Perform the operation 
output = cv2.connectedComponentsWithStats(mask, connectivity, cv2.CV_8U) 
# The first cell is the number of labels 
num_labels = output[0] 
# The second cell is the label matrix 
labels = output[1] 
# The third cell is the stat matrix 
stats = output[2] 
# The fourth cell is the centroid matrix 
centroids = output[3] 

cv2.imwrite("3-connectedcomponent.jpg", labels) 
print "Number of labels", num_labels, labels 

# create the random number 
random = Random() 

for i in range(1, num_labels): 
    print stats[i, cv2.CC_STAT_LEFT], stats[i, cv2.CC_STAT_TOP], stats[i, cv2.CC_STAT_WIDTH], stats[i, cv2.CC_STAT_HEIGHT] 
    cv2.rectangle(cimg, (stats[i, cv2.CC_STAT_LEFT], stats[i, cv2.CC_STAT_TOP]), 
     (stats[i, cv2.CC_STAT_LEFT] + stats[i, cv2.CC_STAT_WIDTH], stats[i, cv2.CC_STAT_TOP] + stats[i, cv2.CC_STAT_HEIGHT]), random_color(random), 2) 

cv2.imwrite("4-OutputImage.jpg", cimg) 

輸入圖像從閾值處理和倒置操作

掩蔽圖像。

連接的組件的用途。

輸入圖像疊加連接的組件的輸出。