Question

我正在制作一个Android应用程序，它正在拍摄正在进行的台球游戏的图像，并检测各种球的位置。图像来自某人的手机，所以我当然没有完美的桌面俯视图。现在我正在使用houghcircles找到球，并且它做得很好，但它似乎在这里和那里错过了几个球，然后有误报。

我现在最大的问题是，如何减少在牌桌外发现的误报？我正在使用投资回报率来切断图像的顶部，因为它主要是浪费空间，但是我不能让它变得更小或者我冒着切掉桌子部分的风险，因为它是一个梯形形状。我目前的想法是覆盖用户在拍摄图像顶部时看到的指南，但问题是我不知道他们的相机的分辨率是多少，因此叠加可能会覆盖错误的地方。理想情况下，我想我会想要使用houghlines但是当我尝试它时，我的应用程序因我认为缺乏记忆而崩溃。有什么想法吗？

以下是我收到的结果的链接：

http://graphiquest.com/cvhoughcircles.html

这是我的代码：

    IplImage img = cvLoadImage("/sdcard/DCIM/test/picture"+i+".jpg",1);
    IplImage gray = opencv_core.cvCreateImage( opencv_core.cvSize( img.width(), img.height() ), opencv_core.IPL_DEPTH_8U, 1);

    cvCvtColor(img, gray, opencv_imgproc.CV_RGB2GRAY );
    cvSetImageROI(gray, cvRect(0, (int)(img.height()*.15), (int)img.width(), (int)(img.height()-(img.height()*.20))));


    cvSmooth(gray,gray,opencv_imgproc.CV_GAUSSIAN,9,9,2,2);

    Pointer circles = CvMemStorage.create();        
    CvSeq seq = cvHoughCircles(gray, circles, CV_HOUGH_GRADIENT, 2.5d, (double)gray.height()/30, 70d, 100d, 0, 80);

    for(int j=0; j<seq.total(); j++){
        CvPoint3D32f point = new CvPoint3D32f(cvGetSeqElem(seq, j));

        float xyr[] = {point.x(),point.y(),point.z()};
        CvPoint center = new CvPoint(Math.round(xyr[0]), Math.round(xyr[1]));

        int radius = Math.round(xyr[2]);
        cvCircle(gray, center, 3, CvScalar.GREEN, -1, 8, 0);
        cvCircle(gray, center, radius, CvScalar.BLUE, 3, 8, 0);
    }
    String path = "/sdcard/DCIM/test/";
    File photo=new File(path, "picture"+i+"_2.jpg");

    if (photo.exists()) 
    {
        photo.delete();
    }
   cvSaveImage("/sdcard/DCIM/test/picture"+i+"_2.jpg", gray);

Answer 1

您可以应用一些非常有用的约束。除了做一个感兴趣的矩形区域，你应该用池桌的实际梯形形状掩盖你的结果。使用图像的颜色信息查找池表区域。您知道台球桌是纯色。它不必是绿色的 - 你可以在HSV色彩空间中使用一些histogram技术来找到图像中最流行的颜色，也许有利于像素朝向中心。它很可能检测到台球桌的颜色。选择与此颜色匹配的像素，执行形态学操作以消除噪声，然后您可以将蒙版视为轮廓，并找到其convexHull。填充船体以移除池球产生的孔。

到目前为止我所说的应该提出一种与霍夫圈不同的方法。由于台球没有均匀照明，霍夫圈可能效果不佳。因此，找到台球的另一种方法是从其convexHull中减去池表颜色掩码。你会留下桌子上被球遮挡的区域。

Answer 2

我也在考虑解决这个问题，因为我玩游泳池和斯诺克。

几点：

从霍夫圆拟合判断，看起来你没有过滤边缘点，或者你的边缘强度阈值不够高。您是仅仅使用二进制指示器作为边缘点，还是根据边缘强度选择边缘点？
你能在RGB空间工作吗？这有助于检测台床，导轨以及识别球。桌子上的蓝色斑点可以是2球，10球，或者可能是一大块粉笔。
在参数空间中，您应该能够限制搜索半径非常有限的圆。如果......这将有所帮助。
检测桌面和导轨。笔划宽度变换可以帮助您找到导轨，尤其是在颜色平面（绿色）中搜索导轨具有高对比度时。您还可以使用六个口袋（或至少三个口袋）来帮助识别桌子的姿势（位置和方向）。
一旦检测到导轨，您可以使用仿射变换来校正透视失真。无论如何你都需要这样做才能以任何精确度放置球，特别是如果你想让球放置满足一个严肃的游泳池玩家，比如玩一个口袋或直池的人。一旦进行了仿射变换，就可以在Hough参数空间中为半径设置相当严格的公差。
一旦检测到床位，就可以执行初始分割（即区域标记或斑点查找）并仅搜索特定区域和圆度的斑点。
强烈，均匀，漫射的顶灯有助于消除阴影。
您可以通过接受（或至少支持）具有渐变的边缘点来帮助过滤边缘点，这些渐变指向具有平行渐变的其他边缘点。如果边缘点对的局部集合通过其边缘梯度彼此“指向”，则它们是检测的良好候选者。
一旦您检测到候选球，请执行进一步处理以接受/拒绝。球应该是相对均匀的色调（母球，1-8，或从适当角度观察的条纹），或者它应具有可检测的彩色条纹和白色。球表面不会像桌子的木纹那样高度纹理。
可以选择用户从略微不同的角度拍摄两张图片。然后你有两次机会找到球，并且可以想象解决两个图像中匹配桌子和球的对应问题，以帮助找到桌子的2D空间中的球。
考虑使用第二种算法，例如归一化互相关（简单模板匹配），以帮助识别球或至少可能的球位置。
坚持图像的中心点位于桌子的某个位置。这可以帮助您识别导轨的位置，因为您可以径向向外搜索导轨的边缘，并且一旦找到四个（甚至仅三个）导轨，您就可以在径向距离处拒绝边缘点。

修改我正在阅读另一篇StackOverflow帖子并阅读本文。这篇论文将为您提供更加全面的介绍我建议过滤边缘点的技术（第8项）。

Rad，Faez和Qaragozlou的“使用梯度对矢量进行快速圆检测” http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.121.9956

我自己还没有实现过他们的算法，但看起来很有希望。这是提到论文的帖子：

Three Dimensional Hough Space

用OpenCV检测台球

2 个答案: