识别图像上的大线条

Question

我的图像由植物线条组成（可能是也可能不是直线）。

我需要实现一种识别这些线的算法，并生成一个标记植被像素的二元掩模图像。此掩模可以是密集掩模（标记所有已识别的植被像素）或骨架掩模（标识植被通道中心的1像素宽线）。

以下是输入图像的示例：

这是可能的预期产出之一：

到目前为止，我已经尝试了以下方法，导致以下问题：

• Canny边缘检测器：由于阴影而产生大量误报
• 图像阈值：由于地面植被而产生误报。

任何人都有更多的想法？

由于

Answer 1

如果使用RGB色彩空间对您没有帮助，请尝试使用其他色彩空间。对于给定的特定图像，我使用了HSV色彩空间。

1。 HSV图片：

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
cv2.imshow('hsv.jpg', hsv)

2。提取饱和度通道会产生以下结果：

saturation_channel = hsv[:,:,1]
cv2.imshow('saturation_channel.jpg', saturation_channel)

3。在此图像上应用自适应阈值会产生以下结果：

median = np.median(saturation_channel)
std = np.std(saturation_channel)

ret,thresh1 = cv2.threshold(saturation_channel, int(median - (1.05 * std)), 255,cv2.THRESH_BINARY_INV)
cv2.imwrite('thresh1.jpg', thresh1)

4。现在，您可以应用一些形态操作并使用原始图像

进行遮罩

注意： 您还可以将图像转换为LAB色彩空间，并可视化不同的频道。

LAB颜色空间中的相同图像：

Answer 2

您可以在应用Canny之前模糊图像，然后通过计算最佳阈值来移除Canny噪声。之后，您可以使用HoughLinesP或您选择的方法来检测线条。

cv::Mat src=imread("image.png",-1),dst;

cv::GaussianBlur(src, dst, Size(3,3), 1.0); //blur the source image

cv::cvtColor(dst,dst,cv::COLOR_BGR2GRAY); //convert to gray

cv::Scalar m = cv::mean(dst); //calculate mean

//Calculate lower and upper threshold based on mean
double sigma = 0.33;
double lower_thresh = int(std::max((double)0, ((1.0 - sigma) * m[0])));
double upper_thresh = int(std::min((double)255, ((1.0 + sigma) * m[0])));

cv::Canny(dst, dst, lower_thresh, upper_thresh, 3); //apply canny

图像模糊：

Canny：