消除OpenCV EM检测到的误报

Question

我正在开发一种Python算法，它应该识别叶子上包含报告疾病严重程度的斑点的区域。在我的研究过程中，我发现了LeafSnap，并从中受到启发。因此，我尝试按照文章使用OpenCV Expectation Maximization对图像上的叶片进行分割，使用S和V形式的HSV色彩空间进行训练;然而，由于反射或阴影，它仍会返回一些误报。

有人可以尝试给我任何暗示以获得更好的结果吗？ 我没有应用任何预处理技术！

Answer 1

我认为Leafsnap不适合在阳光直射下使用。它会产生非常强大的阴影，完全搞乱了他们的S + V方法。

在论文中，作者解释说它们会降低色调，因为当白纸片反射一些绿色时，它会“稀释”物体。但是，在您的情况下，因为照片似乎是在晴朗的天空下拍摄的，所以纸张要么偏黄（在阳光直射下）或蓝色（在阴影中），要么与叶子的绿色色调明显区分开来。实际上，在这两种情况下，色调层是反映叶子形状最好的层。因此，你不应该忽略色调来找到树叶的形状。

作为一个想法，你可以单独使用Saturation + Value，以及Hue来确定形状。之后选择那两个中较小的形状。