使用OpenCv检测图像中的矩形明亮区域

Question

我之前曾问过一个问题Marking an interest point in an image using c++ 。我使用相同的解决方案并使用自适应阈值和Blob Detection Algorithm（增长区域）获得所需的点。我有原始的源图，我想检测中心的矩形区域

原始图片：

。但是在我使用算法之后，我得到了这样的结果（如果你在一个新标签中打开它，细节是可见的）

标记图像：

除了矩形区域外，还可以看到明亮的日光照射点。我使用了双边滤波但仍然无法检测到矩形区域。但是这个算法适用于夜间图像，背景比预期的更暗。

有人可以建议我使用一些修改的相同算法是否足够，或者是否有其他有效方法可供使用。

由于

Answer 1

使用 blur ＆amp;的简单组合 threshold 我设法得到了这个结果（调整大小以供查看）：

之后，应用侵蚀＆amp; the squares.cpp technique（来自OpenCV的示例）输出：

这几乎是你要找的结果：成功检测到矩形的底部。您需要做的只是增加检测到的矩形（红色方块）的高度以适合您感兴趣的区域。

代码：

Mat img = imread(argv[1]);

    // Blur
Mat new_img = img.clone();
medianBlur(new_img, new_img, 5);

// Perform threshold
double thres = 210;
double color = 255;
threshold(new_img, new_img, thres, color, CV_THRESH_BINARY);
imwrite("thres.png", new_img);

// Execute erosion to improve the detection
int erosion_size = 4;   
Mat element = getStructuringElement(MORPH_CROSS,
                                   Size(2 * erosion_size + 1, 2 * erosion_size + 1),
                                   Point(erosion_size, erosion_size) );
erode(new_img, new_img, element);
imwrite("erode.png", new_img);

vector<vector<Point> > squares;
find_squares(new_img, squares);
std::cout << "squares: " << squares.size() << std::endl;

draw_squares(img, squares);

imwrite("area.png", img);

修改：

find_squares()函数返回一个向量，其中包含图像中找到的所有方块。因为它在图像的每个通道上迭代，所以在您的示例中它成功检测到每个通道中的矩形区域，因此打印squares.size()输出3。

由于 square 可以看作是4（X，Y）坐标的向量，OpenCV将此概念表达为vector<Point>，允许您访问坐标的X和Y部分。

现在，打印squares会发现这些点是以逆时针方向检测到的：

1st ------ 4th
 |          |
 |          |
 |          |
2nd ------ 3rd

按照这个例子，很明显，如果你需要增加矩形的高度，你需要改变第1和第4点的Y：

for (int i = 0; i < squares.size(); i++)
{
    for (int j = 0; j < squares[i].size(); j++)
    {
    //  std::cout << "# " << i << " " << squares[i][j].x << ","<< squares[i][j].y << std::endl;
        if (j == 0 || j == 3)
            squares[i][j].y = 0;
    }
}

Answer 2

在上面显示的图像中，我建议

1. 正常的阈值处理操作应该可以正常工作或

2. 按行链式代码“计算”或

3. 在直方图中找到渐变。

还有很多其他解决方案。 如果这是一致的话，我会考虑减去背景阴影。