适应不同闪电条件的 OpenCV 阈值

Question

对于一个学校项目，我试图用 Python 编写一个程序来跟踪学生的运动。 为了做到这一点，我正在使用 OpenCV。 在互联网上查找了一些教程后，我注意到几乎每个人都使用阈值来实现这一点，因为几乎每一步都需要二进制图像（例如 HoughCircle Transofrmation、Contours）。 然而，根据我的理解，阈值对光非常敏感，因此这种方法只会在最佳闪电条件下返回良好的结果。 所以我的问题来了：除了对图像进行阈值处理之外，还有其他替代方法或更好的方法吗？ 或者我对 OpenCV 中阈值的理解首先是错误的？

这是一个示例图像：

Answer 1

阈值化的目的是从背景中分割出所需的对象，然后您可以在其中执行额外的处理（应用形态学操作），然后执行轮廓过滤以进一步隔离所需的对象。 不是在 BGR（3 通道）图像或范围为[0...255]的灰度（1 通道）图像上应用图像处理技术，阈值化允许我们获得每个像素为0或1的二值图像这使得区分对象更容易。 根据你的情况，有很多方法可以获得二值图像，这里有几种方法：

• cv2.Canny - Canny 边缘检测，它使用minVal和maxVal来确定边缘

• cv2.threshold - 用户选择任意全局阈值的简单阈值

• cv2.threshold + cv2.THRESH_OTSU - Otsu 的阈值自动计算阈值。

• cv2.adaptiveThreshold - 自适应阈值，其中图像在不同区域具有不同的照明条件。 本质上，它会自动计算图像不同区域的阈值，并在不同照度的图像上提供更好的结果

• cv2.inRange - 颜色分割。 这个想法是使用下限和上限阈值范围来获得二值图像。 尝试隔离单个颜色范围时很有用