通过Mean-Shift分段计算对象

Question

我正在尝试使用均值漂移分段来计算图像中找到的对象。我一直在OpenCV中使用[pyrMeanShiftFiltering][1]。使用以下代码，我能够生成已分段的图像。但是，我不知道如何实际计算该图像中“项目”的数量。

只需在此图片上运行pyrMeanShiftFiltering( img, res, spatialRad, colorRad, maxPyrLevel );

生成此图片

在这个例子中，它似乎并没有太大的不同，尽管有一些图像，其中分割在颜色和这样的存在上产生巨大的差异。但是，对于大多数测试用例，我将假设颜色不非常明显，边缘不不同（因为它们在给出的例子足以在图像本身上使用边缘检测。

基于此，我如何才能找到在该图像中找到的对象数量？我正在寻找一些代码，虽然任何正确方向的戳都会有所帮助。

Answer 1

如果对象包含不同的颜色（并且这些颜色是独特的），最简单的灵魂就是计算那里有多少个聚类（由于页面为白色/黄色，因此删除了白色的聚类）。

在您显示的图像上，您也可以使用角点检测器，因为您有非常独特的角落，然后查看周围并按颜色过滤这些角落（周围的颜色必须包含一些颜色和白色（从页面））然后匹配位于同一垂直线的角落并最终计算它们。

另一个想法是从页面推断白色/黄色（聚类+直方图滤波）并计算不同的斑点。

也许最好的方法是通过寻找封面颜色（蓝色，绿色）和最接近的白色=＆gt;来从页面推断白色/ yeelow颜色。找到blob。这些斑点可以标记为最接近的封面颜色。然后你有blob显示页面，并根据最接近的封面颜色进行标记。 那些斑点可能被分成几块（一本书部分覆盖另一本书），两个不同的斑点可能属于同一个对象（一本有多个颜色封面的书） 但是你现在那些斑点必须是矩形的。因此，您可以在该二值化图像中找到线条，并尝试将它们与最近的线条连接起来。然后你最终会有一个匹配一本书的blob。最后你可以数数吧。