从图像

Question

我正试图检测交通标志的区域。使用OpenCV，我的方法如下：

彩色图片：

使用TanTriggs Preprocessing摆脱光照差异：

均衡直方图：

二进制化(Cv2.Threshold(blobs, blobs, 127, 255, ThresholdTypes.BinaryInv)：

使用blob作为掩码，使用ConnectedComponents和get the mean color value迭代每个blob。如果是红色则可能是红色标志。

然后使用FindContours获取此blob的轮廓。

使用ApproxPolyDP简化轮廓并检查每个轮廓的点：

• 如果是3分，那么三角形可以接受 - ＆gt;三角标志的候选人
• 如果4点，那么形状是可接受的 - ＆gt;候选
• 如果超过4个点，BBox尺寸是可以接受的，并且大多数点都在拟合的椭圆上（FitEllipse） - ＆gt;候选

这种方法适用于二进制图像中的分离斑点，就像我的例子中的圆形100km标记一样。但是，如果存在与外部对象的连接，例如二进制图像中左下角的三角形，则会失败。

因为，这个blob的平均值远非红色！

在某些情况下，使用Erosion会有所帮助，但在许多其他图片中会更糟糕。

对二值化使用不同的阈值也适用于某些人，但许多人失败了;像侵蚀一样。

使用HoughCircle非常慢，我无法使用参数获得良好的效果。

我尝试使用matchShapes，但无法取得好成绩。

有人能告诉我实现我想要的另一种方式（合理的计算时间）吗？

任何语言的任何信息或代码都会受到欢迎。

修改 使用circularity measure（C=P^2/4πA）或我上面描述的方法，可以在分离时找到三角形和椭圆形。但是当轮廓像这样时：

我找不到提取三角形片段的强大方法。如果可以，我会检查平均颜色，并确定它是否是红色标志候选者。

Answer 1

抱歉，我没有评论的赞誉，但你不能使用红色吗？

import common
myshow = common.myshow

img = cv2.imread("ms0QB.png")
grey = np.zeros(img.shape[:2],np.uint8)
hsv = cv2.cvtColor(img,cv2.COLOR_mask = np.logical_or(hsv[:,:,0]>160,hsv[:,:,0]<10 )
grey[mask] = 255
cv2.imshow("160<hue<182",grey)
cv2.waitKey()