如何在OpenCv中探测太空中的太阳？

Question

我需要从太空中探测太阳。

这些是输入图像的示例：

我在Morphologic过滤后得到了这样的结果（ open操作两次）

这是此处理的算法代码：

// Color to Gray
cvCvtColor(image, gray, CV_RGB2GRAY);

// color threshold
cvThreshold(gray,gray,150,255,CV_THRESH_BINARY);

// Morphologic open for 2 times
cvMorphologyEx( gray, dst, NULL, CV_SHAPE_RECT, CV_MOP_OPEN, 2);

对于这么简单的任务，处理不是太重了吗？ 如何找到太阳的中心？ 如果我找到白点，我会发现大地球的白点（第一个示例图像上的左上角）

请告诉我，我的进一步行动是为了探测太阳。

更新1：

通过公式尝试获取centroid的算法： {x,y} = {M10/M00, M01/M00}

CvMoments moments;
cvMoments(dst, &moments, 1);
double m00, m10, m01;

m00 = cvGetSpatialMoment(&moments, 0,0);
m10 = cvGetSpatialMoment(&moments, 1,0);
m01 = cvGetSpatialMoment(&moments, 0,1);

// calculating centroid
float centroid_x = m10/m00;
float centroid_y = m01/m00;

    cvCircle( image, 
              cvPoint(cvRound(centroid_x), cvRound(centroid_y)), 
              50, CV_RGB(125,125,0), 4, 8,0);

地球在照片中的地方，我得到了这样的结果：

因此，质心在地球上。 :(

更新2：

尝试cvHoughCircles ：

CvMemStorage* storage = cvCreateMemStorage(0);
CvSeq* circles = cvHoughCircles(dst, storage, CV_HOUGH_GRADIENT, 12, 
                                dst->width/2, 255, 100, 0, 35);

if ( circles->total > 0 ) {
    // getting first found circle
    float* circle = (float*)cvGetSeqElem( circles, 0 ); 

    // Drawing:
    // green center dot
    cvCircle( image, cvPoint(cvRound(circle[0]),cvRound(circle[1])), 
          3, CV_RGB(0,255,0), -1, 8, 0 ); 
    // wrapping red circle
    cvCircle( image, cvPoint(cvRound(circle[0]),cvRound(circle[1])), 
        cvRound(circle[2]), CV_RGB(255,0,0), 3, 8, 0 ); 
}

第一个例子：宾果，但第二个 - 没有;（

我尝试过不同的cvHoughCircles()配置 - 无法找到适合我每个示例照片的配置。

UPDATE3：

matchTemplate方法对我有效（ mevatron回应）。 它适用于大量测试。

Answer 1

如何尝试一个简单的matchTemplate方法。 我用过这个模板图片：

并且，它检测到我试过的3张太阳图像中的3张：

这应该是有效的，因为圆圈（在你的情况下是太阳）是旋转不变的，并且因为你离太阳太远，它应该是大致尺度不变的。 因此，模板匹配在这里可以很好地工作。

最后，这是我用来执行此操作的代码：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char* argv[])
{
    /// Load image and template
    string inputName = "sun2.png";
    string outputName = "sun2_detect.png";
    Mat img   = imread( inputName, 1 );
    Mat templ = imread( "sun_templ.png", 1 );

    /// Create the result matrix
    int result_cols =  img.cols - templ.cols + 1;
    int result_rows = img.rows - templ.rows + 1;

    Mat result( result_cols, result_rows, CV_32FC1 );

    /// Do the Matching and Normalize
    matchTemplate(img, templ, result, CV_TM_CCOEFF);
    normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());

    Point maxLoc;
    minMaxLoc(result, NULL, NULL, NULL, &maxLoc);

    rectangle(img, maxLoc, Point( maxLoc.x + templ.cols , maxLoc.y + templ.rows ), Scalar(0, 255, 0), 2);
    rectangle(result, maxLoc, Point( maxLoc.x + templ.cols , maxLoc.y + templ.rows ), Scalar(0, 255, 0), 2);

    imshow("img", img);
    imshow("result", result);

    imwrite(outputName, img);

    waitKey(0);

    return 0;
}

希望你觉得有帮助！

Answer 2

颜色分割方法

对图像进行颜色分割以识别黑色背景上的对象。 您可以根据其区域识别太阳（鉴于此唯一标识它，并且不会在图像上大致变化）。 更复杂的方法可以计算图像矩，例如物体的时刻。 有关这些功能，请参阅此页面 。

使用您选择的分类算法对找到的对象进行实际分类。 最简单的方法是手动指定阈值，分别为。 结果适用于所有（大多数）对象/图像组合的值范围。

您可以根据原始力矩计算实际位置， 对于圆形太阳，位置等于质心

Centroid: {x, y } = { M10/M00, M01/M00 }

边缘图方法

另一种选择是边缘地图的圆形霍夫变换，这有望返回一些候选圆（按位置和半径）。 您可以根据预期的半径选择太阳圆（如果幸运的话，最多只有一个）。

Answer 3

对代码的一个简单补充是根据对象的大小过滤掉对象。 如果你总是期望地球比太阳大得多，或者太阳在每张照片中都有相同的区域，你可以按区域过滤它。

尝试使用Blob探测器完成此任务。

并注意，应用形态学开/关而不是简单的侵蚀或扩张可能是好的，因此在处理之前和之后你的太阳将具有几乎相同的区域。