對象（汽車）檢測和分割

Question

我試圖從僅包含一輛車和簡單背景的圖像中分割汽車

但我從實施中得到的是這個

和

分別

但它很容易在幾乎已經分段的圖像上工作。

給出結果如

我正在使用的准則是

import cv2
import numpy as np

THRESH_TYPE=cv2.THRESH_BINARY_INV

def show(name,obj):
    cv2.imshow(name,obj)
    cv2.moveWindow(name, 100, 100) 
    cv2.waitKey(0)
    cv2.destroyAllWindows()

def process_end(new):
    drawing = np.zeros(o.shape,np.uint8)     # Image to draw the contours
    contours,hierarchy =cv2.findContours(new,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)#find connected borders
    for cnt in contours:
        color = np.random.randint(0,255,(3)).tolist()  # Select a random color
        cv2.drawContours(drawing,[cnt],0,color,2)
    print "processing done"
    return drawing

def process(name,path):
    global o
    print "Started!!! processing "+name
    ratio=1#change according to image size
    o=cv2.imread(path+name)#open image
    print type(o)
    show("original",o)
    w,h=o.shape[1]/ratio,o.shape[0]/ratio#resize ratio for width and height
    new=cv2.resize(o,(w,h))#resize image
    #show("Resized",new)
    new=cv2.cvtColor(new,cv2.COLOR_RGB2GRAY)#grey scale image
    show("grey",new)
    cv2.imwrite("grey.jpg",new)
    new1 = cv2.GaussianBlur(new,(5,5),0)#gaussians Blurs Image
    show("blurred1",new1)
    cv2.imwrite("gblur_"+name,new1)#save image
    new2 = cv2.medianBlur(new,7)#Median Blurs Image
    show("blurred2",new1)
    cv2.imwrite("mblur_"+name,new2)#save image
    #new=cv2.equalizeHist(new,)#do image histogram equalisation to better the contrast
    #show("hist equal otsu",new)
    ##cv2.imwrite("otsu_"+name,new)#save image

    a,new=cv2.threshold(new,0,255,THRESH_TYPE | cv2.THRESH_OTSU)#OTSU thresholding
    show("otsu",new)
    cv2.imwrite("otsu_"+name,new)#save image
    return new,name



new,name=process("car9.jpg","C:\\Users\\XOR\\Desktop\\file\\")#Change the Name and path accordingly
new=cv2.Canny(new, 100,200)#canny edge detection technique
show("canny",new)
cv2.imwrite("canny_"+name,new)#save image
new=process_end(new)
show("blobed",new)
cv2.imwrite("blob_"+name,new)#save image
new=cv2.Sobel(new,-1,1,0,3,BORDER_WRAP)
show("sobel",new)
cv2.imwrite("sobel_"+name,new)#save image

我也試過了分水嶺算法（在matlab上），但它也無濟於事。 我正在尋找一種方法來分割前兩個圖像，結果類似於第三個。

Answer 1

首先， 檢測和分割是兩個不同的問題。 首先決定你想做哪一個。

如果您的問題是“ 從單張圖像檢測汽車 ”，則無法通過細分來實現。 您可以將圖像分割成零件並使用另一種方法（采用最大的分割區域），您可以在圖像中找到汽車，但我確信它不適用於所有圖像。 這就是分水嶺算法不起作用的原因。 分割算法只是對圖像進行分割，而不會為其提供特定的對象/區域。 例如，如果您查看顯示的圖像，它會被分割成區域，但您無法知道哪個區域是哪個區域。

，

如果要檢測圖像中的汽車，則需要將此問題作為對象檢測問題來處理。 此鏈接將為您提供有關汽車檢測問題的一些信息。 它有兩篇關於它的論文和一個測試方法的數據庫。

希望能幫助到你..

Answer 2

對於汽車檢測，我會使用latern svm檢測器和“Car”型號：

http://docs.opencv.org/modules/objdetect/doc/latent_svm.html

Answer 3

我想@GilLevi說，一旦你學會了一套針對檢測問題的汽車的全局特征，就可以根據更具體的特征產生汽車類別的子標題：如顏色分布，形狀模板，徽標等，並成為另一類語義圖像分割。 您仍然可以從學習部分獲得大量收益，而不是專注於需要調整許多變量的分段特定方法。 汽車的另一個​​數據集： http ： //lear.inrialpes.fr/people/marszalek/data/ig02/