如何在嘈雜的背景下找到對象？

Question

我一直在進行一個項目，在該項目中，我必須使用觸發模式下的全局快門相機來找到對象的x和y坐標。 到現在為止，一切工作都很好，我得到了預期的結果，但是問題是，當我以觸發模式連續處理圖像時，得到的帶有噪點的圖像的額外讀數很少。

源圖像：

誰能建議我以一種好的方法來解決這個問題。

from scipy.spatial import distance as dist
from imutils import perspective
from imutils import contours
import numpy as np
import argparse
import imutils
import cv2

def midpoint(ptA, ptB):
    return ((ptA[0] + ptB[0]) * 0.5, (ptA[1] + ptB[1]) * 0.5)


image = cv2.imread('022.bmp')
gray = cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
gray = cv2.GaussianBlur(gray,(7,7),0)

edged = cv2.Canny(gray,50,100)
edged = cv2.dilate(edged,None, iterations=1)
edged = cv2.erode(edged, None, iterations=1)

cnts = cv2.findContours(edged.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if imutils.is_cv2() else cnts[1]

(cnts, _) = contours.sort_contours(cnts)
colors = ((0,0,255),(240,0,159),(0,165,255),(255,255,0),(255,0,255))
refObj = None

for c in cnts:
    if cv2.contourArea(c)<250:
        #print "in if loop"
        continue
    #print cv2.contourArea(c)
    box = cv2.minAreaRect(c)
    box = cv2.cv.BoxPoints(box) if imutils.is_cv2() else cv2.boxPoints(box)
    box = np.array(box,dtype="int")

    box = perspective.order_points(box)

    cX = np.average(box[:,0])
    cY = np.average(box[:,1])

    if refObj is None:
        (tl,tr,br,bl) = box
        (tlblX, tlblY) = midpoint(tl,bl)
        (trbrX, trbrY) = midpoint(tr,br)

        D = dist.euclidean((tlblX,tlblY),(trbrX,trbrY))
        refObj = (box, (cX,cY),D)
        print refObj[0]
        print 'cx-1',cX
        print 'cy-1',cY
        continue

orig = image.copy()
cv2.drawContours(orig,[box.astype("int")], -1, (0,255,0), 2)
cv2.drawContours(orig, [refObj[0].astype("int")],-1,(0,255,0),2)

refCoords = np.vstack([refObj[0],refObj[1]])
objCoords = np.vstack([box, (cX,cY)])

print box
print 'cx',cX
print 'cy',cY

for ((xA,yA), (xB,yB), color) in zip(refCoords,objCoords,colors):
    cv2.circle(orig, (int(xA),int(yA)),5,color,-1)
    cv2.circle(orig, (int(xB),int(yB)),5,color,-1)
    cv2.line(orig, (int(xA),int(yA)),(int(xB),int(yB)),color,2)




cv2.imshow('img',orig)
cv2.waitKey(0)

您能對此提出建議嗎？ 謝謝！

更新，@ silencer提供的解決方案運行良好，但是使用此圖像我無法識別該對象。

Answer 1

我備份了源圖像​​，避免了替換或刪除它。

我分析了不同ColorSpace中的圖像，並發現B(BGR)通道非常適合您的任務。

---

然后執行以下步驟：

1. 讀取並提取藍色通道。
2. 閾值藍色通道。
3. 查找輪廓。
4. 按區域過濾。

---

代碼和結果。

#!/usr/bin/python3
# 2017.12.09 00:25:47 CST
# 2018.01.10 21:10:07 CST
import cv2
import numpy as np


## (1) read and extract the blue channel
img = cv2.imread("img01.png")
blue = img[...,0]

## (2) threshold the blue
th, threshed = cv2.threshold(blue, 200, 255, cv2.THRESH_BINARY_INV|cv2.THRESH_OTSU)

## (3) find contours
cnts = cv2.findContours(threshed,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)[-2]

## (4) filter by AREA
canvas = img.copy()
H,W = img.shape[:2]
AREA = H*W

for cnt in cnts:
    area = cv2.contourArea(cnt)
    if not AREA/100<area<AREA/20:
        continue
    box = cv2.minAreaRect(cnt)
    box = cv2.boxPoints(box)
    box = np.array(box,dtype="int")
    cv2.drawContours(canvas, [box], -1,(255,0,255) , 2, cv2.LINE_AA)

## save
cv2.imwrite("result.png", canvas)

---

類似問題：

（1） 如何在嘈雜的背景下找到物體？

（2） Python OpenCV-嘗試識別完全可見的圖塊（所有四個邊緣均可見）並繪制綠色輪廓邊緣

Answer 2

我建議進行更好的初始預處理，在應用邊緣檢測之前消除噪聲。 一種可能的方法是應用雙邊濾波，該濾波可以平滑圖像，但同時保留邊緣。

這里有個簡單的例子：

import numpy as np
import cv2

img = cv2.imread('img01.png')
canvas = img.copy()

filtered = cv2.bilateralFilter(img, 30, 80, 80)
gray = cv2.cvtColor(filtered, cv2.COLOR_BGR2HSV)
edged = cv2.Canny(gray,50,100)

_, cnts, _ = cv2.findContours(edged,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)

H,W = img.shape[:2]
AREA = H*W

for cnt in cnts:
    area = cv2.contourArea(cnt)
    if not AREA/100<area<AREA/20:
        continue
    box = cv2.minAreaRect(cnt)
    box = cv2.boxPoints(box)
    box = np.array(box,dtype="int")
    cv2.drawContours(canvas, [box], -1,(255,0,255) , 2, cv2.LINE_AA)

result = np.hstack((img, filtered, cv2.cvtColor(edged, cv2.COLOR_GRAY2BGR), canvas))
cv2.imwrite("result.png", result)
cv2.imshow('Results', result)
cv2.waitKey(0)

此外，您可以通過應用均值漂移過濾來采取更嚴厲的措施，從而減少圖像中的顏色數量。 只需將雙邊過濾器替換為：

filtered = cv2.pyrMeanShiftFiltering(img, 20, 50)