如何在OpenCV中从图像中提取条纹区域？

Question

我正在尝试从这张图片中提取条纹区域。

这是我想要提取的区域。

可能有多种方法，也许可以结合使用。

1. 使用阈值处理、形态学和Grabcut操作提取条纹
2. Gabor滤波器
3. 傅里叶变换

如何从fft2变换中检测条纹的方向。

import numpy as np
import cv2 
import os
import sys
from matplotlib import pyplot as plt


plt.figure(figsize=(12, 12))
gray = cv2.imread('zebra.jpg',0)    
f = np.fft.fft2(gray)
fshift = np.fft.fftshift(f)
magnitude_spectrum = 20*np.log(np.abs(fshift))
imgs_comb = np.hstack([gray,magnitude_spectrum])
plt.axis('off')
plt.title('magnitude_spectrum')
plt.imshow(imgs_comb,cmap='gray')   
plt.show()

这段文字的大致意思是：这组图像基于它们的路面类型和涂料新旧是独特的。通常情况下，涂料已经磨损。尽管存在所有这些变化，FFT图像始终为我提供正确的方向和频率。结果看起来很有前途，我可以直观地看到模式的频率以及它们的方向（图像中主要垂直模式）。如何使用FFT图像来过滤其他区域？欢迎使用其他方法提出建议。

- addcolor

Answer 1

不要使用fft2，而是使用阈值化+形态学的方法。这个思路是通过Otsu二值化得到一个二进制图像，然后使用形态学来检测水平线。从这里我们将检测到的线绘制到掩模上，然后执行其他形态学操作，将条纹合并成单一轮廓。从这里我们找到边界矩形并提取ROI。

---

大津阈值 -> 在掩码上绘制线条

-> 开始/结束 -> 检测到ROI -> 提取的ROI

import cv2
import numpy as np

image = cv2.imread('1.jpg')
mask = np.zeros(image.shape, dtype=np.uint8)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0 ,255, cv2.THRESH_OTSU + cv2.THRESH_BINARY)[1]

horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (30,1))
detect_horizontal = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, horizontal_kernel, iterations=2)
cnts = cv2.findContours(detect_horizontal, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    cv2.drawContours(mask, [c], -1, (255,255,255), 5)

mask = cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,5))
close = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel, iterations=3)
opening = cv2.morphologyEx(close, cv2.MORPH_OPEN, kernel, iterations=2)

x,y,w,h = cv2.boundingRect(opening)
ROI = image[y:y+h, x:x+w]

cv2.imshow('thresh', thresh)
cv2.imshow('mask', mask)
cv2.imshow('opening', opening)
cv2.imshow('ROI', ROI)
cv2.waitKey()

- nathancy