OpenCV의 강력한 이미지 세분화

Question

다른 사람의 생선 알을 계산하는 OpenCV 프로그램을 작성하려고합니다. 현재 업로드 된 이미지를 가져 와서 표준화, 흐림, 임계 값, 확장, 거리 변환, 임계 값을 다시 찾은 다음 윤곽을 찾습니다 (일반적인 유역 튜토리얼에서와 같이).

조명 조건이 상당히 다를 수 있으므로 문제의 적응 임계 값을 사용하더라도 알고리즘의 정확도가 크게 달라집니다. 이미지 전체에 그래디언트 밝기가 있으면 특히 좋지 않은 것처럼 보입니다. 때로는 물체가 배경에 대해 매우 밝을 때도 있고 다른 때는 거의 같은 밝기입니다. 다양한 조명 조건에서 물체를 발견하는 특히 효과적인 방법이 있습니까?

샘플 이미지 : 화상 화상 :: = CV imread의

Answer 1

에 사용되는, 나는이 구조를 제거하는 푸리에 대역 통과 필터를 구성합니다.

다음은 ImageJ에 기반한 구현입니다. 이 구현 예에서, 입력 이미지는 에지 아티팩트를 감소시키기 위해 미러 패딩된다. 여기 사용

static void GenerateBandFilter(thrust::host_vector<float>& filter, const BandPassSettings& band, const FrameSize& frame) 
    { 
     //From https://imagej.nih.gov/ij/plugins/fft-filter.html 
     if (band.do_band_pass == false) 
     { 
      return; 
     } 
     if (frame.width != frame.height) 
     { 
      throw std::runtime_error("Frame height and width should be the same"); 
     } 
     auto maxN = static_cast<int>(std::max(frame.width, frame.height));//todo make sure they are the same 

     auto filterLargeC = 2.0f*band.max_dx/maxN; 
     auto filterSmallC = 2.0f*band.min_dx/maxN; 
     auto scaleLargeC = filterLargeC*filterLargeC; 
     auto scaleSmallC = filterSmallC*filterSmallC; 

     auto filterLargeR = 2.0f*band.max_dy/maxN; 
     auto filterSmallR = 2.0f*band.min_dy/maxN; 
     auto scaleLargeR = filterLargeR*filterLargeR; 
     auto scaleSmallR = filterSmallR*filterSmallR; 

     // loop over rows 
     for (auto j = 1; j < maxN/2; j++) 
     { 
      auto row = j * maxN; 
      auto backrow = (maxN - j)*maxN; 
      auto rowFactLarge = exp(-(j*j) * scaleLargeR); 
      auto rowFactSmall = exp(-(j*j) * scaleSmallR); 
      // loop over columns 
      for (auto col = 1; col < maxN/2; col++) 
      { 
       auto backcol = maxN - col; 
       auto colFactLarge = exp(-(col*col) * scaleLargeC); 
       auto colFactSmall = exp(-(col*col) * scaleSmallC); 
       auto factor = (((1 - rowFactLarge*colFactLarge) * rowFactSmall*colFactSmall)); 
       filter[col + row] *= factor; 
       filter[col + backrow] *= factor; 
       filter[backcol + row] *= factor; 
       filter[backcol + backrow] *= factor; 
      } 
     } 
     auto fixy = [&](float t){return isinf(t) ? 0 : t; }; 
     auto rowmid = maxN * (maxN/2); 
     auto rowFactLarge = fixy(exp(-(maxN/2)*(maxN/2) * scaleLargeR)); 
     auto rowFactSmall = fixy(exp(-(maxN/2)*(maxN/2) *scaleSmallR)); 
     filter[maxN/2] *= ((1 - rowFactLarge) * rowFactSmall); 
     filter[rowmid] *= ((1 - rowFactLarge) * rowFactSmall); 
     filter[maxN/2 + rowmid] *= ((1 - rowFactLarge*rowFactLarge) * rowFactSmall*rowFactSmall); // 
     rowFactLarge = fixy(exp(-(maxN/2)*(maxN/2) *scaleLargeR)); 
     rowFactSmall = fixy(exp(-(maxN/2)*(maxN/2) *scaleSmallR)); 
     for (auto col = 1; col < maxN/2; col++){ 
      auto backcol = maxN - col; 
      auto colFactLarge = exp(-(col*col) * scaleLargeC); 
      auto colFactSmall = exp(-(col*col) * scaleSmallC); 
      filter[col] *= ((1 - colFactLarge) * colFactSmall); 
      filter[backcol] *= ((1 - colFactLarge) * colFactSmall); 
      filter[col + rowmid] *= ((1 - colFactLarge*rowFactLarge) * colFactSmall*rowFactSmall); 
      filter[backcol + rowmid] *= ((1 - colFactLarge*rowFactLarge) * colFactSmall*rowFactSmall); 
     } 
     // loop along column 0 and expanded_width/2 
     auto colFactLarge = fixy(exp(-(maxN/2)*(maxN/2) * scaleLargeC)); 
     auto colFactSmall = fixy(exp(-(maxN/2)*(maxN/2) * scaleSmallC)); 
     for (auto j = 1; j < maxN/2; j++) { 
      auto row = j * maxN; 
      auto backrow = (maxN - j)*maxN; 
      rowFactLarge = exp(-(j*j) * scaleLargeC); 
      rowFactSmall = exp(-(j*j) * scaleSmallC); 
      filter[row] *= ((1 - rowFactLarge) * rowFactSmall); 
      filter[backrow] *= ((1 - rowFactLarge) * rowFactSmall); 
      filter[row + maxN/2] *= ((1 - rowFactLarge*colFactLarge) * rowFactSmall*colFactSmall); 
      filter[backrow + maxN/2] *= ((1 - rowFactLarge*colFactLarge) * rowFactSmall*colFactSmall); 
     } 
     filter[0] = (band.remove_dc) ? 0 : filter[0]; 
    } 

당신은 내 코드 주위를 찌를 수 있습니다 https://github.com/kandel3/DPM_PhaseRetrieval

Answer 2

계산 알파 및 베타 값 ("F : \ Dilated.jpg"); int x, y; int a = 0; // 루프에서 사용할 변수 int count = 0; 100 픽셀보다 큰 아무것도 이미지와 관련이없는 때문에 // 변수가 루프

for(int y = 0; y < image.rows; y++) 
    { for(int x = 0; x < image.cols; x++) 
     { for(int c = 0; c < 3; c++) 
      { 
        image.at<Vec3b>(y,x)[c] = 
      saturate_cast<uchar>(alpha*( image.at<Vec3b>(y,x)[c]) + beta); 
      } 
     } 
    }