如何在高海拔照片中有效地找到地平线？
我试图检测从高海拔拍摄的图像中的地平线，以确定相机的方向。我也试图快速运行 - 理想情况下，我希望能够在Raspberry Pi上实时处理帧（即每秒几帧）。到目前为止我采取的方法是基于这样一个事实，即在高海拔地区，天空很暗，就像这样：
我尝试过的是从整个图像中取样并将它们分成浅色和深色样本，并在它们之间画一条线。然而，由于大气层的模糊性，这将地平线置于其实际位置之上：
这是我的代码（在Javascript中为了便于网络演示）：
function mag(arr) {
return Math.sqrt(arr[0]*arr[0]+arr[1]*arr[1]+arr[2]*arr[2])
}
// return (a, b) that minimize
// sum_i r_i * (a*x_i+b - y_i)^2
function linear_regression( xy ) {
var i,
x, y,
sumx=0, sumy=0, sumx2=0, sumy2=0, sumxy=0, sumr=0,
a, b;
for(i=0;i<xy.length;i++) {
x = xy[i][0]; y = xy[i][2];
r = 1
sumr += r;
sumx += r*x;
sumx2 += r*(x*x);
sumy += r*y;
sumy2 += r*(y*y);
sumxy += r*(x*y);
}
b = (sumy*sumx2 - sumx*sumxy)/(sumr*sumx2-sumx*sumx);
a = (sumr*sumxy - sumx*sumy)/(sumr*sumx2-sumx*sumx);
return [a, b];
}
var vals = []
for (var i=0; i<resolution; i++) {
vals.push([])
for (var j=0; j<resolution; j++) {
x = (canvas.width/(resolution+1))*(i+0.5)
y = (canvas.height/(resolution+1))*(j+0.5)
var pixelData = cr.getImageData(x, y, 1, 1).data;
vals[vals.length-1].push([x,y,pixelData])
cr.fillStyle="rgb("+pixelData[0]+","+pixelData[1]+","+pixelData[2]+")"
cr.strokeStyle="rgb(255,255,255)"
cr.beginPath()
cr.arc(x,y,10,0,2*Math.PI)
cr.fill()
cr.stroke()
}
}
var line1 = []
var line2 = []
for (var i in vals) {
i = parseInt(i)
for (var j in vals[i]) {
j = parseInt(j)
if (mag(vals[i][j][3])<minmag) {
if ((i<(vals.length-2) ? mag(vals[i+1][j][4])>minmag : false)
|| (i>0 ? mag(vals[i-1][j][5])>minmag : false)
|| (j<(vals[i].length-2) ? mag(vals[i][j+1][6])>minmag : false)
|| (j>0 ? mag(vals[i][j-1][7])>minmag : false)) {
cr.strokeStyle="rgb(255,0,0)"
cr.beginPath()
cr.arc(vals[i][j][0],vals[i][j][8],10,0,2*Math.PI)
cr.stroke()
line1.push(vals[i][j])
}
}
else if (mag(vals[i][j][9])>minmag) {
if ((i<(vals.length-2) ? mag(vals[i+1][j][10])<minmag : false)
|| (i>0 ? mag(vals[i-1][j][11])<minmag : false)
|| (j<(vals[i].length-2) ? mag(vals[i][j+1][12])<minmag : false)
|| (j>0 ? mag(vals[i][j-1][13])<minmag : false)) {
cr.strokeStyle="rgb(0,0,255)"
cr.beginPath()
cr.arc(vals[i][j][0],vals[i][j][14],10,0,2*Math.PI)
cr.stroke()
line2.push(vals[i][j])
}
}
}
}
eq1 = linear_regression(line1)
cr.strokeStyle = "rgb(255,0,0)"
cr.beginPath()
cr.moveTo(0,eq1[1])
cr.lineTo(canvas.width,canvas.width*eq1[0]+eq1[1])
cr.stroke()
eq2 = linear_regression(line2)
cr.strokeStyle = "rgb(0,0,255)"
cr.beginPath()
cr.moveTo(0,eq2[1])
cr.lineTo(canvas.width,canvas.width*eq2[0]+eq2[1])
cr.stroke()
eq3 = [(eq1[0]+eq2[0])/2,(eq1[1]+eq2[1])/2]
cr.strokeStyle = "rgb(0,255,0)"
cr.beginPath()
cr.moveTo(0,eq3[1])
cr.lineTo(canvas.width,canvas.width*eq3[0]+eq3[1])
cr.stroke()
结果（绿线是检测到的地平线，红色和蓝色是在界外估计的）：
我该如何改进？有没有更有效的方法呢？最终的程序可能用Python编写，如果太慢，可以用C编写。
2 个答案:
答案 0 :(得分：3)
考虑一些基本的通道混合和阈值处理，然后是@Spektre建议的垂直样本。 [根据@ Spektre的评论编辑改为2 * R-B而不是R + G-B]
以下是频道混音的一些选项：
- 原始
- 扁平单混合物R + G + B
- 红色频道
- 2 * R - B
- R + G - B
看起来＃4是最清晰的地平线（感谢@Spektre让我更仔细地检查它），以比例混合颜色[红色2：绿色0：蓝色-1]，你得到这个单色图像：< / p>
设置蓝色阴性表示地平线上的蓝色阴霾用于消除那里的模糊性。事实证明这比使用红色和/或绿色更有效（尝试使用GIMP中的通道混合器）。
然后我们可以进一步澄清，如果你愿意，可以通过阈值处理（虽然你可以在采样后这样做），这里的灰度为25％：
使用Spektre垂直采样图像的方法，只需向下扫描，直到看到值超过25％。有3条线，你应该获得3 x，y对，从而重建曲线，知道它是抛物线。
为了获得更强大的效果，请使用3个以上的样本并丢弃异常值。
答案 1 :(得分：2)
我会这样做：
-
转换为BW
-
扫描每侧的水平线和垂直线
垂直线从顶部扫描
黑线显示线位置。对于选定的一个，绿色箭头显示扫描方向（向下）和颜色强度可视化方向（右）。 白色曲线是颜色强度图（因此您实际上看到了正在发生的事情）
- 选择一些网格步骤，这是行之间的64点
- 创建临时数组
int p[];以存储行 -
预处理每一行
-
p[0]是行 的第一个像素的强度
-
p[1,...]由x推导H，y推导V直线（仅减去相邻的线像素）
模糊
p[1,...]几次以避免噪音问题（从两侧避免位置偏移）。 -
-
扫描并将其整合回来
整合只是总结
c(i)=p[ 0 ] + p[ 1 ] + ... + p[ i ]。如果c低于阈值，则您处于大气层之外，因此请开始扫描，如果从行首开始是您从右侧扫描的区域。请记住达到阈值A-point的位置并继续扫描，直到达到峰值C-point（第一个负值推导值或实际峰值...局部最大值）。 -
计算
B-point为了方便您可以
B = 0.5*(A+C)，但如果您想要精确，那么大气强度会呈指数级增长，因此扫描从A到C的推导，并从中确定指数函数。如果推导开始时间不同于您B-point，那么请记住所有B-points（对于每一行）。
-
现在您已设置
B-points因此，删除所有无效的
B-points（每行应该有2个......从开始到结束）所以具有更大气氛的区域通常是正确的区域，除非您在视图中有一些黑暗的无缝近距离物体。 -
通过剩余的
B-points估算一些曲线
-
xs,ys图片大小（以像素为单位） -
p[y][x].dd是(x,y)位置的像素，为32位整数类型 -
bmp是 GDI 位图 -
rgb2i()将所有 RGB 像素转换为强度整数值<0-765>(r+g+b) -
x,y是地平线点的位置 -
l是大气厚度（指数部分） -
id是{ 0,1,2,3 }，用于识别扫描方向
<强> [注释]
您无法根据高度移动B-point位置，因为大气的视觉厚度也取决于观察者和光源（太阳）的位置。此外，您应该过滤剩余的B-points，因为视野中的某些星星可能会弄得一团糟。但我认为曲线近似应该足够了。
[Edit1]为了好玩做了一些事情
所以我在 BDS2006 C ++ VCL 中做了...所以你必须改变对环境的图像访问
void find_horizont()
{
int i,j,x,y,da,c0,c1,tr0,tr1;
pic1=pic0; // copy input image pic0 to pic1
pic1.rgb2i(); // RGB -> BW
struct _atm
{
int x,y; // position of horizont point
int l; // found atmosphere thickness
int id; // 0,1 - V line; 2,3 - H line;
};
_atm p,pnt[256];// horizont points
int pnts=0; // num of horizont points
int n[4]={0,0,0,0}; // count of id-type points for the best option selection
da=32; // grid step [pixels]
tr0=4; // max difference of intensity inside vakuum homogenous area <0,767>
tr1=10; // min atmosphere thickness [pixels]
// process V-lines
for (x=da>>1;x<pic1.xs;x+=da)
{
// blur it y little (left p[0] alone)
for (i=0;i<5;i++)
{
for (y= 0;y<pic1.ys-1;y++) pic1.p[y][x].dd=(pic1.p[y][x].dd+pic1.p[y+1][x].dd)>>1; // this shift left
for (y=pic1.ys-1;y> 0;y--) pic1.p[y][x].dd=(pic1.p[y][x].dd+pic1.p[y-1][x].dd)>>1; // this shift right
}
// scann from top to bottom
// - for end of homogenous area
for (c0=pic1.p[0][x].dd,y=0;y<pic1.ys;y++)
{
c1=pic1.p[y][x].dd;
i=c1-c0; if (i<0) i=-i;
if (i>=tr0) break; // non homogenous bump
}
p.l=y;
// - for end of exponential increasing intensity part
for (i=c1-c0,y++;y<pic1.ys;y++)
{
c0=c1; c1=pic1.p[y][x].dd;
j = i; i =c1-c0;
if (i*j<=0) break; // peak
if (i+tr0<j) break; // non exponential ... increase is slowing down
}
// add horizont point if thick enough atmosphere found
p.id=0; p.x=x; p.y=y; p.l-=y; if (p.l<0) p.l=-p.l; if (p.l>tr1) { pnt[pnts]=p; pnts++; n[p.id]++; }
// scann from bottom to top
// - for end of homogenous area
for (c0=pic1.p[pic1.ys-1][x].dd,y=pic1.ys-1;y>=0;y--)
{
c1=pic1.p[y][x].dd;
i=c1-c0; if (i<0) i=-i;
if (i>=tr0) break; // non homogenous bump
}
p.l=y;
// - for end of exponential increasing intensity part
for (i=c1-c0,y--;y>=0;y--)
{
c0=c1; c1=pic1.p[y][x].dd;
j = i; i =c1-c0;
if (i*j<=0) break; // peak
if (i+tr0<j) break; // non exponential ... increase is slowing down
}
// add horizont point
// add horizont point if thick enough atmosphere found
p.id=1; p.x=x; p.y=y; p.l-=y; if (p.l<0) p.l=-p.l; if (p.l>tr1) { pnt[pnts]=p; pnts++; n[p.id]++; }
}
// process H-lines
for (y=da>>1;y<pic1.ys;y+=da)
{
// blur it x little (left p[0] alone)
for (i=0;i<5;i++)
{
for (x= 0;x<pic1.xs-1;x++) pic1.p[y][x].dd=(pic1.p[y][x].dd+pic1.p[y][x+1].dd)>>1; // this shift left
for (x=pic1.xs-1;x> 0;x--) pic1.p[y][x].dd=(pic1.p[y][x].dd+pic1.p[y][x-1].dd)>>1; // this shift right
}
// scann from top to bottom
// - for end of homogenous area
for (c0=pic1.p[y][0].dd,x=0;x<pic1.xs;x++)
{
c1=pic1.p[y][x].dd;
i=c1-c0; if (i<0) i=-i;
if (i>=tr0) break; // non homogenous bump
}
p.l=x;
// - for end of eyponential increasing intensitx part
for (i=c1-c0,x++;x<pic1.xs;x++)
{
c0=c1; c1=pic1.p[y][x].dd;
j = i; i =c1-c0;
if (i*j<=0) break; // peak
if (i+tr0<j) break; // non eyponential ... increase is slowing down
}
// add horizont point if thick enough atmosphere found
p.id=2; p.y=y; p.x=x; p.l-=x; if (p.l<0) p.l=-p.l; if (p.l>tr1) { pnt[pnts]=p; pnts++; n[p.id]++; }
// scann from bottom to top
// - for end of homogenous area
for (c0=pic1.p[y][pic1.xs-1].dd,x=pic1.xs-1;x>=0;x--)
{
c1=pic1.p[y][x].dd;
i=c1-c0; if (i<0) i=-i;
if (i>=tr0) break; // non homogenous bump
}
p.l=x;
// - for end of eyponential increasing intensitx part
for (i=c1-c0,x--;x>=0;x--)
{
c0=c1; c1=pic1.p[y][x].dd;
j = i; i =c1-c0;
if (i*j<=0) break; // peak
if (i+tr0<j) break; // non eyponential ... increase is slowing down
}
// add horizont point if thick enough atmosphere found
p.id=3; p.y=y; p.x=x; p.l-=x; if (p.l<0) p.l=-p.l; if (p.l>tr1) { pnt[pnts]=p; pnts++; n[p.id]++; }
}
pic1=pic0; // get the original image
// chose id with max horizont points
j=0;
if (n[j]<n[1]) j=1;
if (n[j]<n[2]) j=2;
if (n[j]<n[3]) j=3;
// draw horizont line from pnt.id==j points only
pic1.bmp->Canvas->Pen->Color=0x000000FF; // Red
for (i=0;i<pnts;i++) if (pnt[i].id==j) { pic1.bmp->Canvas->MoveTo(pnt[i].x,pnt[i].y); break; }
for ( ;i<pnts;i++) if (pnt[i].id==j) pic1.bmp->Canvas->LineTo(pnt[i].x,pnt[i].y);
}
输入图片是pic0，输出图片是pic1他们是我的类，所以有些成员是：
如您所见，所有地平线点都位于pnt[pnts]数组中：
这是输出图像（即使对于旋转图像也能很好地工作）
除非您添加一些重型过滤
，否则这不适用于太阳光晕图像
相关问题
最新问题
- 我写了这段代码，但我无法理解我的错误
- 我无法从一个代码实例的列表中删除 None 值，但我可以在另一个实例中。为什么它适用于一个细分市场而不适用于另一个细分市场？
- 是否有可能使 loadstring 不可能等于打印？卢阿
- java中的random.expovariate()
- Appscript 通过会议在 Google 日历中发送电子邮件和创建活动
- 为什么我的 Onclick 箭头功能在 React 中不起作用？
- 在此代码中是否有使用“this”的替代方法？
- 在 SQL Server 和 PostgreSQL 上查询，我如何从第一个表获得第二个表的可视化
- 每千个数字得到
- 更新了城市边界 KML 文件的来源？