我正在开展一个项目，我必须在一个凸轮提供的图像中自动分割汽车的不同部分（即门，前灯等）。
在第一步中，我想删除背景，因此算法不会找到任何不应该的地方。
我也有背景的图像，但由于曝光时间，汽车光线的反射等，照明非常不同。
我试图通过简单的减法来摆脱BG，遗憾的是由于光照条件非常不同，这并没有太大帮助。
接下来我应用了直方图均衡，但这也没有多大帮助。
如何在这个不同点亮的场景中摆脱背景？我可以使用这两个图像的OpenCV方法吗？
感谢阅读。
答案 0 :(得分：3)
Opencv有三种不同的背景减法方法：
BackgroundSubtractorGMG bs_gmg;
BackgroundSubtractorMOG bs_mog;
BackgroundSubtractorMOG2 bs_mog2;
Mat foreground_gmg;
bs_gmg ( image, foreground_gmg, -1.0 );
Mat foreground_mog;
bs_mog ( image, foreground_mog, -1.0 );
Mat foreground_mog2;
bs_mog2 ( image, foreground_mog2, -1.0 );
您可以阅读有关它们并使用最适合您的那个。
答案 1 :(得分：1)
我的经验表明，照明条件可能有很多变化，两幅图像根本不够。您开始使用基于像素的方法，对两个图像进行逐个像素的简单减法，但是照明变化使得颜色看起来非常不同，即使在HSV空间中也是如此。这是光圈问题的一个例子，是计算机视觉中最基本的困难之一。简单来说，我们需要更多的背景。因此，您试图通过估计和校正全局照明参数来获得该上下文，并发现它是不够的，因为图像的不同区域可能具有不同的反射特性，或者与光源的角度不同。如果继续这种方法，下一步是根据外观将图像分割成区域，并分别均衡每个区域中的直方图。例如，尝试Watershed Segmentation。
还有另外一种方法。背景实际上可能不是这里提供最多信息的提示，为什么要从它开始呢？您可以转而使用Viola-Jones approach，然后从那里开始工作。一旦你开始工作，从后台添加信息以提高质量。
答案 2 :(得分：0)
您没有提到您使用的颜色空间。我假设RGB？有一些颜色空间类型默认处理亮度参数，因此您可以使用此类信息应用背景减法算法。看看http://en.wikipedia.org/wiki/HSV_color_space
答案 3 :(得分：0)
嗯......只是说，我不确定这是否可行，但您可以根据更大的区域（如内核）应用减法，然后在该点放置直方图变化。
例如。假设我们的内核补丁设置为30x30像素，我们将其应用于背景图像中的像素p(x,y)和测试图像中的q(x,y)（p和q是相同的相应位置）每个图像）。因此，我们有一个30x30的减去补丁图像。
现在，尝试使用直方图等减去补丁的产品。零直方图表示相同的比较补丁。 “几乎平坦”的直方图可能意味着相同。否则，将其视为前景。