如何分割弯曲的道路/车道/路径/轨道/对象等？

Question

有没有像使用图像处理技术在下面的图像中那样分割检测轨迹？

图 1：沙地上的车轮轨迹

图 2：要检测的轨迹的一个示例

Answer 1

在我看来，答案是否定的。 首先我去掉了光照效果，然后应用 Canny 来获取图像的特征，只有部分轨迹是可见的。 接下来，我执行了彩色分割以获得二进制掩码。 然后我使用二进制掩码去除背景，再次看到唯一的部分轨道。

---

• 1. 去除光照效果：为了让轨迹更明显，我们需要减少图像中的闪电。 为了减少，我们将使用cv2.divide平滑图像，然后使用cv2.GaussianBlur使像素在比例内均匀分布。

  • 

  •  # Load the image img = cv2.imread("v1uU4.jpg") # Convert to the gray-scale gry = convert_to_grayscale(img) # Remove the lightning effect blr = cv2.GaussianBlur(gry, (125, 125), 0) div = cv2.divide(gry, blr, scale=192)

• 2. 显示图像的特征：然后我们加载未照明的图像，将其转换为灰度，应用高斯平滑得到图像的特征：

  • 

  •  # Load non-lightning image img = cv2.imread("non-lightning.png") # Convert to the gray-scale gry = convert_to_grayscale(img) # Remove the lightning effect blr = cv2.GaussianBlur(gry, (5, 5), 0) # Find canny features cny = cv2.Canny(blr, 50, 200)

  • 在这里，您只能看到轨道的左侧部分可见。 当然，不同的参数会给出不同的结果。 如果您尝试使用它们，更多不需要的功能将变得更可用。

---

• 第二种方法

• 1. 颜色分割我们将加载非照明图像，转换为 HSV 颜色空间并使用cv2.inRange找到二进制掩码。 然后我们使用二进制掩码使轨道更加可见。

  • 

  •  # Convert to HSV color-space hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # Perform color-segmentation to get the binary mask lwr = np.array([0, 0, 0]) upr = np.array([179, 255, 194]) msk = cv2.inRange(hsv, lwr, upr)

• 2. 使用二进制掩码提取轨道：

  • 

  •  # Extracting the rod using binary-mask krn = cv2.getStructuringElement(cv2.MORPH_RECT, (50, 30)) dlt = cv2.dilate(msk, krn, iterations=5) res = 255 - cv2.bitwise_and(dlt, msk)

从我的角度来看，不可能删除背景并仅显示可见轨道。