在图像中找到斑点和线条

Question

我正在研究跟踪图像以找到这些图像中的线条和斑点。我正在使用 OpenCV ， C ++ 。我已经尝试了 HoughLineP ， HoughLine ， Contour 和 Canny 方法，但无法获得结果。如果有人可以帮助或编写伪代码，我将不胜感激。

感谢。

检测线条的图片

检测点的图像

Answer 1

嗯 - 你在哪里得到那些糟糕的照片？好吧，他们值得花2分钟......这个地方比其他地方要轻，所以如果你将图像分成100个矩形并找到最亮的那些，你可能会得到它......我在这里使用ImageMagick命令行 - 它安装在大多数Linux发行版上，可用于OSX和Windows：

convert noise.jpg -crop 10x10@ -format "%[mean] %g\n" info: | sort -n

32123.3 640x416+384+291
32394.6 640x416+256+42
32442.2 640x416+320+125
32449.1 640x416+384+250
32459.6 640x416+192+374
32464.4 640x416+0+374
32486.5 640x416+448+125
32491.4 640x416+576+374
32493.7 640x416+576+333
32504.3 640x416+576+83
32520.9 640x416+576+0
32527 640x416+448+0
32621.8 640x416+384+333
32624.1 640x416+320+42
32631.3 640x416+192+333
32637.8 640x416+384+42
32643.4 640x416+512+0
32644.2 640x416+0+0
32652.6 640x416+384+83
32659.1 640x416+128+374
32660.4 640x416+320+208
32662.2 640x416+384+0
32668.5 640x416+256+208
32669.4 640x416+0+333
32676.7 640x416+256+250
32683.5 640x416+256+83
32699.7 640x416+0+208
32701.3 640x416+64+166
32704 640x416+576+208
32704 640x416+64+333
32707.5 640x416+512+208
32710.8 640x416+192+83
32729.8 640x416+320+83
32733.4 640x416+256+166
32735 640x416+576+250
32741 640x416+256+125
32745.4 640x416+0+166
32748.4 640x416+320+166
32751.4 640x416+512+166
32752.4 640x416+512+42
32755.1 640x416+384+208
32770.9 640x416+448+291
32776.8 640x416+128+166
32777.1 640x416+256+0
32795.8 640x416+512+125
32801.5 640x416+128+333
32803.3 640x416+192+125
32805.5 640x416+256+374
32809.6 640x416+448+166
32810 640x416+576+166
32822.2 640x416+0+291
32822.8 640x416+576+42
32826.8 640x416+320+333
32831.7 640x416+320+0
32834.8 640x416+192+42
32837.6 640x416+192+166
32843 640x416+384+125
32862 640x416+64+374
32865.8 640x416+0+42
32871.5 640x416+576+291
32872.5 640x416+0+83
32872.8 640x416+448+333
32873.6 640x416+320+291
32877.5 640x416+448+42
32880.5 640x416+64+208
32883.5 640x416+128+42
32883.9 640x416+192+208
32885.5 640x416+128+208
32889.2 640x416+256+333
32921 640x416+192+291
32923.3 640x416+64+291
32929.2 640x416+512+374
32935.4 640x416+192+250
32938.4 640x416+64+250
32943.5 640x416+448+374
32953.3 640x416+384+374
32954.7 640x416+320+374
32962 640x416+320+250
32966.9 640x416+448+83
32967.3 640x416+128+291
32968.3 640x416+0+250
32970.8 640x416+512+333
32974.5 640x416+64+0
32979.6 640x416+512+291
32983.6 640x416+256+291
32988.9 640x416+448+250
32993.3 640x416+576+125
33012.7 640x416+0+125
33057.3 640x416+512+250
33068.6 640x416+128+250
33102.9 640x416+64+42
33126.1 640x416+512+83
33127.9 640x416+384+166
33139.2 640x416+192+0
33141.4 640x416+64+83
33142.3 640x416+64+125
33181.5 640x416+448+208
33190.8 640x416+128+0
34693 640x416+128+125
36178.3 640x416+128+83

最后2个矩形是最明亮的，所以如果我用红色和蓝色将它们装入，你可以看到它发现了什么：

convert noise.jpg -fill none -stroke red -draw "rectangle 128,83 192,123" -stroke blue -draw "rectangle 128,125 192,168" result.png

或者，您可以创建一个新图像，其中每个像素是原始图像中50x50平方周围像素的平均值，如下所示：

convert noise.jpg -virtual-pixel edge -statistic mean 50x50 -auto-level result.png

当然，您也可以通过以下方式进行门诊：

convert noise.jpg -virtual-pixel edge -statistic mean 50x50 -auto-level -threshold 80% result.png

关于这些线条，我想使用某种类型的mode来检测小区域内经常出现的值，但是随着颜色的变化，我需要减少颜色调色板以找到仅仅< em>类似颜色的所以我会采用类似这样的方法来减少颜色然后计算模式：

convert noise2.jpg -colors 8 -statistic mode 8x8 result.jpg

它需要改进，但你希望得到这个想法。

或者，您可以计算一个新图像，其中每个像素是原始图像中周围3x3像素的标准偏差，然后查找此值最低的图像 - 即图像最暗的位置，对应于中的区域输入图像，其中像素颜色的变化最小：

convert noise2.png -statistic standarddeviation  3x3 -auto-level result.png