opencv中阈值的替代方案

Question

我在Opencv中使用阈值来查找轮廓。我的输入是手形图像。有时阈值不好，所以我找不到轮廓。

我已应用以下预处理步骤
1. Grabcut

cv::grabCut(image, result,rectangle,bgModel,fgModel, 3,cv::GC_INIT_WITH_RECT);

1. 灰度转换

   cvtColor（handMat，handMat，CV_BGR2GRAY）;

2. meadianblur

   medianBlur（handMat，handMat，MEDIAN_BLUR_K）;

我使用以下代码查找阈值

threshold( handMat, handMat, 141, 255, THRESH_BINARY||CV_THRESH_OTSU );

有时我会得到好的输出，有时阈值输出不好。我附上了两个输出图像。

除了可以找到轮廓的阈值之外还有其他方法吗？

良好的门槛输出：



错误的阈值输出

Answer 1

你试过adaptive threshold吗？单个阈值很少在现实生活中应用。另一个真理 - 阈值是非线性操作，因此是不稳定的。另一方面，渐变是线性的，因此如果背景是光滑和纯色，您可能希望通过跟踪渐变来找到轮廓。在光照变化或阴影期间，梯度也比阈值处理更可靠。

顺便说一下，当已经找到了90％左右的片段时，抓取，使用颜色信息来改善边界上的分割，因此它是后期处理步骤。此外，您使用矩形初始化抓取切割会使背景颜色受到很多污染。而不是矩形使用一个掩码，你可以确定手是在你的初始段深处标记为GC_FGD;在您确定背景的区域外标记为GC_BGD;标记GC_PR_FGD或者可能是其他地方的前景 - 这将由grab cut改进。总结一下 - 你的抓取初始化看起来像一个俄罗斯娃娃，有三层表示前景（灰色），可能是前景（白色）和背景（黑色）。您可以使用dilate and erode创建这些图层，请参阅下面的

总体而言，我的建议是首先定义您想要做的事情。您是否在任意移动背景上寻找任意物体的轮廓？如果你正在寻找手的轮廓以在相对均匀的背景上找到手指，我会： 1. use connected components或MSER分出一只手。使用保守面具而非矩形初始化的抓取切割可能会改善结果！ 2.如果这是您的目标，请使用convexity defects查找手指;

Answer 2

一个问题是尝试在不对图像进行二值化的情况下查找轮廓。 如果您的输入是彩色的，您可以尝试更改颜色空间，以增强手和背景之间的差异。

Otsu尝试找到最佳阈值，您也可以尝试手动设置它，但Otsu很有用，因为如果照明发生变化，阈值将自动适应。

还有许多其他类型的二值化：Sauvola，Bradley，Niblack，Kasar ......但Otsu很简单，而且效果很好。如果您想改善二值化结果，我建议您进行预处理或后处理。