我的图像中有一个高反光球,看起来像这样:
什么是实时检测球的稳健方法? (5-10 FPS)
我尝试了几种分割算法,但它们无法将球与背景分开,而是将球切成碎片,因为球本身有许多不同的区域。
由于反射特性,简单的圆形霍夫变换不能很好地工作。任何简单的treshhold或形态操作都是如此。
您对处理反光表面有什么建议吗?
答案 0 :(得分:2)
HoughCircles建议很棒,只要您大致了解球在框架中的移动方式,并因此大致知道您所考虑的最小,最大半径:
import numpy as np
import cv2
import cv2.cv as cv
img = cv2.imread('wcEXm.jpg',0)
#Method 1: Hough Circles
img = cv2.medianBlur(img,5)
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)
# HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]])
circles = cv2.HoughCircles(img,cv.CV_HOUGH_GRADIENT,dp=1,minDist=50,param1=127,param2=30,minRadius=50,maxRadius=150)
circles = np.uint16(np.around(circles))
for i in circles[0,:]:
# draw the outer circle
cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)
# draw the center of the circle
cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)
cv2.imshow('detected circles',cimg)
另一种选择是使用findContours()。使用正确的选项和过滤位(例如dilate()
,erode()
),您可以从背景中分割球,宽度和高度之间的比例(更接近正方形)将有所帮助。
然而,如果你对球的大小不感兴趣,只知道它在哪里,那么可以用一个简洁的小东西来简化这个。 你的球是反光的,甚至开始发现你需要一个光源,因此,即使颜色/环境看起来不同,球也会有一个亮点。假设光源不在画面中,你的反光球可能会成为场景中下一个最亮的东西:
import cv2
img = cv2.imread('wcEXm.jpg',0)
minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(img)
cv2.circle(img, maxLoc, 20, (0,192,0),10)
就RaspberryPi的性能而言,我建议如下:
minMaxLoc()
或其他适用于灰度图像的功能,您可以使用'yuv'
色彩空间,只需使用Y(亮度)通道即可节省一些时间而不需要从RGB转换为lumma / grayscale <强>更新强> 另一件可能有用的事情是Canny edge detection,因为场景很简单,球会突出:
edges = cv2.Canny(img,100,200)