如何根据opencv中的深度颜色分割连接区域

Question

我有一张像这样的图片，我需要将图片分割成8个块。

我尝试过这种阈值方法

)

在阈值处理后

最终结果是连接在一起的一些块形成了一个大段，这不是我所希望的。 任何其他方式来解决它

Answer 1

我会试着给你一个基于深度梯度分离汽车的算法草图。唉，简单地看一下大深度渐变的轮廓，汽车并没有完全分开，因此，一些细节＆＃34;边界轮廓是必需的。轮廓完成后，一个简单的连接组件聚类足以分离汽车。

这是我的代码（在Matlab中，但我非常肯定，找到opencv等效函数并不太复杂）：

img = imread('http://i.stack.imgur.com/8lJw8.png');  % read the image
depth = double(img(:,:,1));
depth(depth==255)=-100;  % make the background VERY distinct
[dy dx] = gradient(depth);  % compute depth gradients
bmsk = sqrt(dx.^2+dy.^2) > 5;  % consider only significant gradient
% using morphological operations to "complete" the contours around the cars
bmsk = bwmorph( bwmorph(bmsk, 'dilate', ones(7)), 'skel'); 

% once the contours are complete, use connected components
cars = bwlabel(~bmsk,4);  % segmentation mask
st = regionprops(cars, 'Area', 'BoundingBox');
% display the results
figure;
imshow(img);
hold all;
for ii=2:numel(st),  % ignore the first segment - it's the background
    if st(ii).Area>200, % ignore small regions as "noise"
        rectangle('Position',st(ii).BoundingBox, 'LineWidth', 3, 'EdgeColor', 'g');
    end;
end;

输出

和

不完美，但会让你足够近。

进一步阅读：

• bwmorph：执行形态学操作。
• bwlabel：输出连接组件的分段掩码（标记）。
• regionprops：计算图像区域的统计信息（例如，区域和边界框）。

想到它，深度有如此漂亮的渐变，你可以阈值深度渐变并得到漂亮的连接组件。

Answer 2

天真的方法（但它有效）

步骤1：以灰度读取图像后，获得底部车辆的阈值。

ret1, car_thresh1 = cv2.threshold(cars, 191, 254, 0)

这给了我这个。

步骤2：从主图像中减去此图像

car_thresh2 = car_thresh1 - cars

这给了我这个。

步骤3：减去图像阈值

ret3, cars_thresh3 = cv2.threshold(car_thresh2, 58, 255, 0)

给了我

然后，我只是简单地完成了在 carsTop 和 carsBottom 中提取和绘制轮廓所做的操作，这就是结果。