Question

一些背景：

我正在建造一个AR艺术装置，需要在一个人穿过房间时跟踪他们。

要做到这一点，我已经制作了一个带有多个红外灯（带漫射器）的头部，并配有一个摄像头（一个USB摄像头），它有一个滤光器，可以从图像中去除大部分/全部可见光，如以及对图像的一些调整，基本上让我在黑色背景上留下白点。

以能够捕捉房间边界的方式设置网络摄像头非常简单，但我不确定如何处理黑白图像以获取x，y每个点的坐标。

示例图像输出:(这是一个模型，因为我不会在我这一秒上有一个，并且还要记住，数据将来自实际上是一个视频） enter image description here

工具I使用

NodeJS进行处理
用于图像捕获的罗技网络摄像头
Google Cardboard for visuals
聚苯乙烯泡沫塑料球中的红外LED，可获得良好的漫射光点

有什么想法吗？

Answer 1

我可以想到使用ImageMagick执行此操作的三种方法，它具有node绑定，并且安装在大多数Linux发行版上，可用于OSX和Windows。

首先，在命令行中，只需输入：

identify -precision 5 -define identify:locate=maximum -define identify:limit=3 image.png
Channel maximum locations:
Gray: 65535 (1) 146,164 147,164 148,164

这显示三个最亮的像素是左上角的146个像素，左上角的164个像素，右边的两个像素。

或者，如果您对点的区域和/或质心感兴趣，可以使用ImageMagick进行 Connected Components Analysis ，如下所示：

convert image.png                               \
    -colorspace gray -threshold 10%             \
    -define connected-components:verbose=true   \
    -connected-components 8 output.png

Objects (id: bounding-box centroid area mean-color):
0: 818x502+0+0 408.6,250.5 410539 srgb(0,0,0)
1: 11x11+143+164 148.0,169.0 97 srgb(255,255,255)

这将显示（在输出的最后一行）白色斑点是11像素x 11像素，并且从左边缘到图像的位置为143像素，从顶部向下164像素。它的质心是148,169，面积是97像素，颜色是白色。

找到的第一个对象（在输出的第二行到最后一行）是整个图像，你可以打折，因为它的颜色是黑色，即rgb（0,0,0）。

我可以解释一下这些参数......我转换为灰度，因为 Coonected Component Analysis 传统上在b＆amp; w图像中的黑色背景上寻找白色物体。然后，我获得纯白色和纯黑色的阈值 - 例如，您可能需要在真实系统上使用中值滤波器来消除噪声-median 3。 verbose=true表示命令应该打印它找到的所有blob的列表，8表示将8连接的像素视为同一blob的一部分，即一个像素接触另一个在其NE，SE，SW或NW角落的一个被视为同一个blob的一部分 - 如果您将其设置为4，则像素必须直接在彼此旁边或上方/下方才能被视为邻居。

如果你想在＆＃34; 中找到＆＃34;框，你可以这样做：

convert image.png -stroke red -fill none -strokewidth 2 -draw "rectangle 143,164 154,175" output.png

第三种方法较慢，它涉及将图像转换为文本，然后搜索单词＆＃34; white＆＃34; 。所以。让我们开始简单，只需将图像转换为如下文本：

convert image.png -threshold 50% txt: # ImageMagick pixel enumeration: 818,502,255,srgb 0,0: (0,0,0) #000000 black 1,0: (0,0,0) #000000 black 2,0: (0,0,0) #000000 black 3,0: (0,0,0) #000000 black ... ... 410,000 lines later ... 813,501: (0,0,0) #000000 black 814,501: (0,0,0) #000000 black 815,501: (0,0,0) #000000 black 816,501: (0,0,0) #000000 black 817,501: (0,0,0) #000000 black

现在，让我们对其进行优化，并仅查找白色像素（在Windows上，您将使用FINDSTR而不是grep）：

convert image.png -threshold 50% txt: | grep white 146,164: (255,255,255) #FFFFFF white 147,164: (255,255,255) #FFFFFF white 148,164: (255,255,255) #FFFFFF white 149,164: (255,255,255) #FFFFFF white 150,164: (255,255,255) #FFFFFF white 145,165: (255,255,255) #FFFFFF white 146,165: (255,255,255) #FFFFFF white 147,165: (255,255,255) #FFFFFF white 148,165: (255,255,255) #FFFFFF white 149,165: (255,255,255) #FFFFFF white 150,165: (255,255,255) #FFFFFF white 151,165: (255,255,255) #FFFFFF white 144,166: (255,255,255) #FFFFFF white 145,166: (255,255,255) #FFFFFF white 146,166: (255,255,255) #FFFFFF white 147,166: (255,255,255) #FFFFFF white 148,166: (255,255,255) #FFFFFF white 149,166: (255,255,255) #FFFFFF white 150,166: (255,255,255) #FFFFFF white 151,166: (255,255,255) #FFFFFF white 152,166: (255,255,255) #FFFFFF white 143,167: (255,255,255) #FFFFFF white 144,167: (255,255,255) #FFFFFF white 145,167: (255,255,255) #FFFFFF white 146,167: (255,255,255) #FFFFFF white 147,167: (255,255,255) #FFFFFF white 148,167: (255,255,255) #FFFFFF white 149,167: (255,255,255) #FFFFFF white 150,167: (255,255,255) #FFFFFF white 151,167: (255,255,255) #FFFFFF white 152,167: (255,255,255) #FFFFFF white 153,167: (255,255,255) #FFFFFF white 143,168: (255,255,255) #FFFFFF white 144,168: (255,255,255) #FFFFFF white 145,168: (255,255,255) #FFFFFF white 146,168: (255,255,255) #FFFFFF white 147,168: (255,255,255) #FFFFFF white 148,168: (255,255,255) #FFFFFF white 149,168: (255,255,255) #FFFFFF white 150,168: (255,255,255) #FFFFFF white 151,168: (255,255,255) #FFFFFF white 152,168: (255,255,255) #FFFFFF white 153,168: (255,255,255) #FFFFFF white 143,169: (255,255,255) #FFFFFF white 144,169: (255,255,255) #FFFFFF white 145,169: (255,255,255) #FFFFFF white 146,169: (255,255,255) #FFFFFF white 147,169: (255,255,255) #FFFFFF white 148,169: (255,255,255) #FFFFFF white 149,169: (255,255,255) #FFFFFF white 150,169: (255,255,255) #FFFFFF white 151,169: (255,255,255) #FFFFFF white 152,169: (255,255,255) #FFFFFF white 153,169: (255,255,255) #FFFFFF white 143,170: (255,255,255) #FFFFFF white 144,170: (255,255,255) #FFFFFF white 145,170: (255,255,255) #FFFFFF white 146,170: (255,255,255) #FFFFFF white 147,170: (255,255,255) #FFFFFF white 148,170: (255,255,255) #FFFFFF white 149,170: (255,255,255) #FFFFFF white 150,170: (255,255,255) #FFFFFF white 151,170: (255,255,255) #FFFFFF white 152,170: (255,255,255) #FFFFFF white 153,170: (255,255,255) #FFFFFF white 143,171: (255,255,255) #FFFFFF white 144,171: (255,255,255) #FFFFFF white 145,171: (255,255,255) #FFFFFF white 146,171: (255,255,255) #FFFFFF white 147,171: (255,255,255) #FFFFFF white 148,171: (255,255,255) #FFFFFF white 149,171: (255,255,255) #FFFFFF white 150,171: (255,255,255) #FFFFFF white 151,171: (255,255,255) #FFFFFF white 152,171: (255,255,255) #FFFFFF white 153,171: (255,255,255) #FFFFFF white 144,172: (255,255,255) #FFFFFF white 145,172: (255,255,255) #FFFFFF white 146,172: (255,255,255) #FFFFFF white 147,172: (255,255,255) #FFFFFF white 148,172: (255,255,255) #FFFFFF white 149,172: (255,255,255) #FFFFFF white 150,172: (255,255,255) #FFFFFF white 151,172: (255,255,255) #FFFFFF white 152,172: (255,255,255) #FFFFFF white 145,173: (255,255,255) #FFFFFF white 146,173: (255,255,255) #FFFFFF white 147,173: (255,255,255) #FFFFFF white 148,173: (255,255,255) #FFFFFF white 149,173: (255,255,255) #FFFFFF white 150,173: (255,255,255) #FFFFFF white 151,173: (255,255,255) #FFFFFF white 146,174: (255,255,255) #FFFFFF white 147,174: (255,255,255) #FFFFFF white 148,174: (255,255,255) #FFFFFF white 149,174: (255,255,255) #FFFFFF white 150,174: (255,255,255) #FFFFFF white

关于node版本，我真的不是很擅长node，但我可以指出你的答案here，它通过node执行另一个ImageMagick流程希望你能够适应它，如果你在命令行上尝试上述内容并发现它对你有用，你想要使用ImageMagick。

Answer 2

许多（大多数？）图像处理库（例如OpenCV）具有连接组件提取模块。给定像您的示例中的二进制图像，您将获得所有连接图像区域的列表。您可以计算这些质心来获得点的中心。

Answer 3

一种方法是使用“Hough Transform”。霍夫变换基本上将图像转换为另一个坐标系，您可以“轻松”检测圆形。

我在另一个问题中找到了一个nodejs-example。我不确定它是否对他们有效：hough transform - javascript - node.js

你也可以循环浏览图像的每个像素，检查它是否为白色，如果是白色，找到它的所有白色邻居并将其删除。计算它们的平均x-y坐标和瞧，你就得到了你的点的坐标。如果您没有太多噪音，这可能效果很好。

如何在黑色背景上获得白点的坐标

一些背景：

工具I使用

3 个答案: