OpenCV锐化边缘（没有孔洞的边缘）

Question

OpenCV锐化边缘（没有孔洞的边缘）

3

我正在尝试检测最大/较大的矩形形状并绘制边界框到检测区域。在我的用例中，表示矩形形状的对象往往（但并不总是）是白色的，背景也是非常相似的白色。

在检测轮廓之前，我对图像进行了预处理，以便检测完美的边缘。我的问题是，即使在模糊和使用“自适应阈值”或“阈值”之后，我也无法完美地检测到边缘，并且有很多噪声。我用于轮廓检测的原始图像我尝试了不同的方法来检测不同光照条件下的完美边缘，但没有成功。

如何处理图像以检测轮廓检测的完美边缘（没有孔洞的边缘）？

下面是我正在使用的代码

public static Mat findRectangleX(Mat original) {
  Mat src = original.clone();
  Mat gray = new Mat();
  Mat binary = new Mat();
  MatOfPoint2f approxCurve;
  List<MatOfPoint> contours = new ArrayList<MatOfPoint>();

    if (original.type() != CvType.CV_8U) {
        Imgproc.cvtColor(original, gray, Imgproc.COLOR_BGR2GRAY);
    } else {
        original.copyTo(gray);
    }

    Imgproc.GaussianBlur(gray, gray, new Size(5,5),0);
    Imgproc.adaptiveThreshold(gray, binary, 255,Imgproc.ADAPTIVE_THRESH_GAUSSIAN_C,Imgproc.THRESH_BINARY_INV,11, 1);

    //Imgproc.threshold(gray, binary,0,255,Imgproc.THRESH_BINARY_INV | Imgproc.THRESH_OTSU);


    double maxArea = 0;
    Imgproc.findContours(binary, contours, new Mat(),Imgproc.RETR_LIST, Imgproc.CHAIN_APPROX_SIMPLE);

    for (int i = 0; i<contours.size();i++) {
        MatOfPoint contour = contours.get(i);
        MatOfPoint2f temp = new MatOfPoint2f(contour.toArray());
        double area = Imgproc.contourArea(contour);
        approxCurve = new MatOfPoint2f();
        Imgproc.approxPolyDP(temp, approxCurve, Imgproc.arcLength(temp, true) * 0.03, true);

        if (approxCurve.total() == 4 ) {
            Rect rect = Imgproc.boundingRect(contours.get(i));
            Imgproc.rectangle(src, rect.tl(), rect.br(), new Scalar(255, 0, 0, .8), 4);
            if(maxArea < area)
                maxArea = area;
        }
    }

    Log.v(TAG, "Total contours found : " + contours.size());
    Log.v(TAG, "Max area :" + maxArea);

    return src;

}

我在stackoverflow上搜索了类似的问题并尝试了代码示例，但它们都没有对我起作用。我认为困难在于白色物体和白色背景之间的区别。

如何处理图像以锐化轮廓检测边缘？

如何检测最大/最大的矩形形状并绘制矩形线到检测到的形状中？

//更新于：2017年2月20日

我已经尝试了@ Nejc在下面帖子中提出的解决方案。分割更好了，但我仍然有轮廓中的空洞，并且findcontours无法检测到更大的轮廓。以下是@ Nejc提供的代码，并转换为java。

public static Mat process(Mat original){
    Mat src = original.clone();
    Mat hsvMat = new Mat();
    Mat saturation = new Mat();
    Mat sobx = new Mat();
    Mat soby = new Mat();
    Mat grad_abs_val_approx = new Mat();

    Imgproc.cvtColor(src, hsvMat, Imgproc.COLOR_BGR2HSV);
    List<Mat> hsv_channels = new ArrayList<Mat>(3);
    Core.split(hsvMat, hsv_channels);
    Mat hue = hsv_channels.get( 0 );
    Mat sat = hsv_channels.get( 1 );
    Mat val = hsv_channels.get( 2 );

    Imgproc.GaussianBlur(sat, saturation, new Size(9, 9), 2, 2);
    Mat imf = new Mat();
    saturation.convertTo(imf, CV_32FC1, 0.5f, 0.5f);

    Imgproc.Sobel(imf, sobx, -1, 1, 0);
    Imgproc.Sobel(imf, soby, -1, 0, 1);

    sobx = sobx.mul(sobx);
    soby = soby.mul(soby);

    Mat abs_x = new Mat();
    Core.convertScaleAbs(sobx,abs_x);
    Mat abs_y = new Mat();
    Core.convertScaleAbs(soby,abs_y);
    Core.addWeighted(abs_x, 1, abs_y, 1, 0, grad_abs_val_approx);

    sobx.release();
    soby.release();


    Mat filtered = new Mat();
    Imgproc.GaussianBlur(grad_abs_val_approx, filtered, new Size(9, 9), 2, 2);

    final MatOfDouble mean = new MatOfDouble();
    final MatOfDouble stdev = new MatOfDouble();
    Core.meanStdDev(filtered, mean, stdev);

    Mat thresholded = new Mat();
    Imgproc.threshold(filtered, thresholded, mean.toArray()[0] + stdev.toArray()[0], 1.0, Imgproc.THRESH_TOZERO);

    /*
    Mat thresholded_bin = new Mat();
    Imgproc.threshold(filtered, thresholded_bin, mean.toArray()[0] + stdev.toArray()[0], 1.0, Imgproc.THRESH_BINARY);
    Mat converted = new Mat();
    thresholded_bin.convertTo(converted, CV_8UC1);
    */

    return thresholded;
}

这是我运行上面代码后得到的图像：

使用 @Nejc 的解决方案后的图像

1）为什么我的翻译代码不能输出与 @Nejc 相同的图像？应用于相同图像的相同代码应该产生相同的输出吗？

2）在翻译时，我有遗漏了什么吗？

3）为了我理解，为什么我们要在 sobx.mul(sobx) 这条指令中将图像乘以自己？

- ctb corp

“Perfect edge” 是什么意思？指完美的直边吗？ - Rethunk

通过增强图像边缘以更好地检测轮廓。 - ctb corp

2个回答

0

感谢您的评论和建议。

@NEJC提供的代码完美运行，并且覆盖了我80%的使用情况。

然而，它不能处理类似这样的情况：当前代码无法解决的问题我不知道为什么。

也许有人有想法/线索/解决方案吗？

我会继续改进代码，尝试找到一个更通用的解决方案，以涵盖更多情况。如果我找到了，我会发布出来。

无论如何，以下是基于@NEJC的解决方案和注释的可工作代码。

public static Mat process(Mat original){
    Mat src = original.clone();
    Mat hsvMat = new Mat();
    Mat saturation = new Mat();
    Mat sobx = new Mat();
    Mat soby = new Mat();
    Mat grad_abs_val_approx = new Mat();

    Imgproc.cvtColor(src, hsvMat, Imgproc.COLOR_BGR2HSV);
    List<Mat> hsv_channels = new ArrayList<Mat>(3);
    Core.split(hsvMat, hsv_channels);
    Mat hue = hsv_channels.get( 0 );
    Mat sat = hsv_channels.get( 1 );
    Mat val = hsv_channels.get( 2 );

    Imgproc.GaussianBlur(sat, saturation, new Size(9, 9), 2, 2);
    Mat imf = new Mat();
    saturation.convertTo(imf, CV_32FC1, 0.5f, 0.5f);

    Imgproc.Sobel(imf, sobx, -1, 1, 0);
    Imgproc.Sobel(imf, soby, -1, 0, 1);

    sobx = sobx.mul(sobx);
    soby = soby.mul(soby);

    Mat sumxy = new Mat();
    Core.add(sobx,soby, sumxy);
    Core.pow(sumxy, 0.5, grad_abs_val_approx);

    sobx.release();
    soby.release();
    sumxy.release();;


    Mat filtered = new Mat();
    Imgproc.GaussianBlur(grad_abs_val_approx, filtered, new Size(9, 9), 2, 2);

    final MatOfDouble mean = new MatOfDouble();
    final MatOfDouble stdev = new MatOfDouble();
    Core.meanStdDev(filtered, mean, stdev);

    Mat thresholded = new Mat();
    Imgproc.threshold(filtered, thresholded, mean.toArray()[0] + stdev.toArray()[0], 1.0, Imgproc.THRESH_TOZERO);


    /*
    Mat thresholded_bin = new Mat();
    Imgproc.threshold(filtered, thresholded_bin, mean.toArray()[0] + stdev.toArray()[0], 1.0, Imgproc.THRESH_BINARY_INV);
    Mat converted = new Mat();
    thresholded_bin.convertTo(converted, CV_8UC1);
    */

    Mat converted = new Mat();
    thresholded.convertTo(converted, CV_8UC1);
    return converted;
}

- ctb corp

在这种情况下，饱和度通道不是一个好的选择。当我使用值通道或灰度转换图像时，我得到了可以接受的结果，并且我还必须降低阈值（仅使用平均值而不是平均值+标准差）。在运行此代码之前，您可能需要某种算法来自动确定要使用哪个图像通道... - Nejc

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Nejc · Accepted Answer

我通过计算输入图像的梯度绝对值的近似值，成功获得了边缘的相当不错的图像。

编辑：在开始工作之前，我将输入图像调整为5倍小的大小。点击这里查看！如果您在该图像上使用我的代码，则结果将很好。如果您想让我的代码与原始大小的图像配合良好，则可以执行以下操作之一：

- 将高斯核的大小和标准差乘以5，或者 - 将图像下采样5倍，执行算法，然后将结果上采样5倍（这比第一个选项要快得多）

这是我得到的结果：

我的过程依赖于两个关键特征。第一个是转换为适当的颜色空间。正如Jeru Luke在他的答案中所述, 在HSV颜色空间中，饱和度通道是一个好选择。第二个重要的事情是估计梯度的绝对值。我使用了Sobel算子和一些算术运算来实现这个目的。如果有人需要，我可以提供额外的解释。

这是我用来获得第一张图片的代码。

using namespace std;
using namespace cv;

Mat img_rgb = imread("letter.jpg");

Mat img_hsv;
cvtColor(img_rgb, img_hsv, CV_BGR2HSV);
vector<Mat> channels_hsv;
split(img_hsv, channels_hsv);

Mat channel_s = channels_hsv[1];
GaussianBlur(channel_s, channel_s, Size(9, 9), 2, 2);

Mat imf;
channel_s.convertTo(imf, CV_32FC1, 0.5f, 0.5f);

Mat sobx, soby;
Sobel(imf, sobx, -1, 1, 0);
Sobel(imf, soby, -1, 0, 1);

sobx = sobx.mul(sobx);
soby = soby.mul(soby);

Mat grad_abs_val_approx;
cv::pow(sobx + soby, 0.5, grad_abs_val_approx);

Mat filtered;
GaussianBlur(grad_abs_val_approx, filtered, Size(9, 9), 2, 2);

Scalar mean, stdev;
meanStdDev(filtered, mean, stdev);

Mat thresholded;
cv::threshold(filtered, thresholded, mean.val[0] + stdev.val[0], 1.0, CV_THRESH_TOZERO);

// I scale the image at this point so that it is displayed properly 
imshow("image", thresholded/50);

这就是我计算第二张图片的方法：

Mat thresholded_bin;
cv::threshold(filtered, thresholded_bin, mean.val[0] + stdev.val[0], 1.0, CV_THRESH_BINARY);

Mat converted;
thresholded_bin.convertTo(converted, CV_8UC1);

vector<vector<Point>> contours;
findContours(converted, contours, CV_RETR_LIST, CV_CHAIN_APPROX_NONE);

Mat contour_img = Mat::zeros(converted.size(), CV_8UC1);
drawContours(contour_img, contours, -1, 255);

imshow("contours", contour_img);