使用OpenCV检测灰色内容

Question

我想使用OpenCV检测一个对象，它与场景中的其他元素明显不同，因为它是灰色的。这很好，因为我可以用R == G == B进行测试，并且它允许独立于光度，但是逐像素地进行测试很慢。

有没有更快的方法来检测灰色的东西？也许有一个OpenCV方法可以进行R == G == B测试... cv2.inRange进行颜色阈值处理，这不是我想要的。

Answer 1

我在Python中找到的最快的方法是使用切片来比较每个通道。经过几次测试后，这种方法比两个嵌套的for循环快200倍。

bg = im[:,:,0] == im[:,:,1] # B == G
gr = im[:,:,1] == im[:,:,2] # G == R
slices = np.bitwise_and(bg, gr, dtype= np.uint8) * 255

这将生成二进制图像，其中灰色对象由白色像素指示。如果您不需要二进制图像，但只需要一个逻辑数组，其中灰色像素由True值表示，则此方法会更快：

slices = np.bitwise_and(bg, gr)

省略类型转换和乘法产生的方法比嵌套循环快500倍。

在此测试图像上运行此操作：

给出以下结果：

如您所见，正确检测到灰色物体。

Answer 2

我很惊讶这样一个简单的检查很慢，可能你没有高效编码。

这是一段应该为您完成的短代码。它既不是在速度上也不是在内存中最佳，而是在代码行数中相当：）

std::vector<cv::Mat> planes;
cv::split(image, planes);
cv::Mat mask = planes[0] == planes[1];
mask &= planes[1] == planes[2];

为了它，这里是一个比较，在我看来这是最快的方式（没有并行化）

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>

#include <iostream>
#include <vector>

#include <sys/time.h> //gettimeofday

static
double
P_ellapsedTime(struct timeval t0, struct timeval t1)
{
  //return ellapsed time in seconds
  return (t1.tv_sec-t0.tv_sec)*1.0 + (t1.tv_usec-t0.tv_usec)/1000000.0;
}



int
main(int argc, char* argv[])
{


  struct timeval t0, t1;
  cv::Mat image = cv::imread(argv[1]);
  assert(image.type() == CV_8UC3);
  std::vector<cv::Mat> planes;
  std::cout << "Image resolution=" << image.rows << "x" << image.cols << std::endl;
  gettimeofday(&t0, NULL);
  cv::split(image, planes);
  cv::Mat mask = planes[0] == planes[1];
  mask &= planes[1] == planes[2];
  gettimeofday(&t1, NULL);
  std::cout << "Time using split: " << P_ellapsedTime(t0, t1) << "s" << std::endl;

  cv::Mat mask2 = cv::Mat::zeros(image.size(), CV_8U);
  unsigned char *imgBuf = image.data;
  unsigned char *maskBuf = mask2.data;
  gettimeofday(&t0, NULL);
  for (; imgBuf != image.dataend; imgBuf += 3, maskBuf++)
    *maskBuf = (imgBuf[0] == imgBuf[1] && imgBuf[1] == imgBuf[2]) ? 255 : 0;
  gettimeofday(&t1, NULL);
  std::cout << "Time using loop: " << P_ellapsedTime(t0, t1) << "s" << std::endl;

  cv::namedWindow("orig", 0);
  cv::imshow("orig", image);
  cv::namedWindow("mask", 0);
  cv::imshow("mask", mask);
  cv::namedWindow("mask2", 0);
  cv::imshow("mask2", mask2);
  cv::waitKey(0);

}

替换图像：

Image resolution=3171x2179
Time using split: 0.06353s
Time using loop: 0.029044s