我需要从太空中探测太阳。
这些是输入图像的示例:
我在Morphologic过滤后(open
操作两次)得到了这样的结果
以下是此处理的算法代码:
// Color to Gray
cvCvtColor(image, gray, CV_RGB2GRAY);
// color threshold
cvThreshold(gray,gray,150,255,CV_THRESH_BINARY);
// Morphologic open for 2 times
cvMorphologyEx( gray, dst, NULL, CV_SHAPE_RECT, CV_MOP_OPEN, 2);
对于这么简单的任务,处理不是太重了吗?如何找到太阳的中心?如果我找到白点,我会发现大地球的白点(第一个示例图像上的左上角)
请告诉我,我的进一步行动是为了探测太阳。
更新1:
尝试按公式获取centroid
的算法:{x,y} = {M10/M00, M01/M00}
CvMoments moments;
cvMoments(dst, &moments, 1);
double m00, m10, m01;
m00 = cvGetSpatialMoment(&moments, 0,0);
m10 = cvGetSpatialMoment(&moments, 1,0);
m01 = cvGetSpatialMoment(&moments, 0,1);
// calculating centroid
float centroid_x = m10/m00;
float centroid_y = m01/m00;
cvCircle( image,
cvPoint(cvRound(centroid_x), cvRound(centroid_y)),
50, CV_RGB(125,125,0), 4, 8,0);
地球在照片中,我得到了这样的结果:
因此,质心在地球上。 :(
更新2:
尝试cvHoughCircles
:
CvMemStorage* storage = cvCreateMemStorage(0);
CvSeq* circles = cvHoughCircles(dst, storage, CV_HOUGH_GRADIENT, 12,
dst->width/2, 255, 100, 0, 35);
if ( circles->total > 0 ) {
// getting first found circle
float* circle = (float*)cvGetSeqElem( circles, 0 );
// Drawing:
// green center dot
cvCircle( image, cvPoint(cvRound(circle[0]),cvRound(circle[1])),
3, CV_RGB(0,255,0), -1, 8, 0 );
// wrapping red circle
cvCircle( image, cvPoint(cvRound(circle[0]),cvRound(circle[1])),
cvRound(circle[2]), CV_RGB(255,0,0), 3, 8, 0 );
}
第一个例子:宾果游戏,但第二个例子:没有;(
我尝试了cvHoughCircles()
的不同配置 - 无法找到适合我每张示例照片的配置。
UPDATE3:
matchTemplate
方法对我有用(mevatron
的回复)。它适用于大量测试。
答案 0 :(得分:9)
如何尝试简单的matchTemplate
方法。我使用了这个模板图像:
并且,它检测到我试过的3张太阳图像中的3张:
这应该起作用,因为圆圈(在你的情况下是太阳)是旋转不变的,并且由于你离太阳太远,所以它应该是大致尺度不变的。因此,模板匹配在这里可以很好地工作。
最后,这是我用来执行此操作的代码:
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main(int argc, char* argv[])
{
/// Load image and template
string inputName = "sun2.png";
string outputName = "sun2_detect.png";
Mat img = imread( inputName, 1 );
Mat templ = imread( "sun_templ.png", 1 );
/// Create the result matrix
int result_cols = img.cols - templ.cols + 1;
int result_rows = img.rows - templ.rows + 1;
Mat result( result_cols, result_rows, CV_32FC1 );
/// Do the Matching and Normalize
matchTemplate(img, templ, result, CV_TM_CCOEFF);
normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());
Point maxLoc;
minMaxLoc(result, NULL, NULL, NULL, &maxLoc);
rectangle(img, maxLoc, Point( maxLoc.x + templ.cols , maxLoc.y + templ.rows ), Scalar(0, 255, 0), 2);
rectangle(result, maxLoc, Point( maxLoc.x + templ.cols , maxLoc.y + templ.rows ), Scalar(0, 255, 0), 2);
imshow("img", img);
imshow("result", result);
imwrite(outputName, img);
waitKey(0);
return 0;
}
希望您觉得有帮助!
答案 1 :(得分:2)
颜色分割方法
对图像进行颜色分割,以识别黑色背景上的对象。您可以根据其区域识别太阳(鉴于此唯一标识它,并且不会在图像上大致变化)。 更复杂的方法可以计算图像矩,例如胡物品的瞬间。有关这些功能,请参阅this page。
使用您选择的分类算法对找到的对象进行实际分类。最简单的方法是手动指定阈值,分别为。结果适用于所有(大多数)对象/图像组合的值范围。
您可以从原始时刻计算实际位置,如for the circular sun the position is equal to the center of mass
Centroid: {x, y } = { M10/M00, M01/M00 }
边缘地图方法
另一种选择是边缘地图的圆形霍夫变换,这有望返回一些候选圆(按位置和半径)。您可以根据预期的半径选择太阳圆(如果幸运的话,最多只有一个)。
答案 2 :(得分:2)
对代码的一个简单补充是根据对象的大小过滤掉对象。如果你总是希望地球比太阳大得多,或者太阳在每张照片中都有相同的区域,你可以按区域过滤它。
尝试Blob detector执行此任务。
请注意,应用形态学开/关而不是简单的侵蚀或扩张可能是好的,所以你的太阳在处理之前和之后将具有几乎相同的区域。