确定阈值参数的正确方法

Question

我正在尝试实时查找三角形（蓝色轮廓）和梯形（黄色轮廓）。总的来说还可以。
但是有一些问题。首先是误报。三角形变成梯形，反之亦然。而且我不知道如何解决这个问题。其次是 "noise"。。我试图检查图形的面积，但噪音可以等于面积。所以它没有太大帮助。噪声取决于阈值参数。 cv::adaptiveThreshold一点帮助也没有。它增加了更多的噪音（而且很慢）erode 和 dilate 无法以正确的方式修复它

这是我的代码。

cv::Mat detect(cv::Mat imageRGB)
{
    //RGB -> GRAY
    cv::Mat imageGray;
    cv::cvtColor(imageRGB, imageGray, CV_BGR2GRAY);
    //Bluring it
    cv::Mat image;
    cv::GaussianBlur(imageGray, image, cv::Size(5,5), 2);
    //Thresholding
    cv::threshold(image, image, 100, 255, CV_THRESH_BINARY_INV);

    //SLOW and NOISE
    //cv::adaptiveThreshold(image, image, 255.0, CV_ADAPTIVE_THRESH_GAUSSIAN_C, CV_THRESH_BINARY, 21, 0);

    //Calculating canny params.
    cv::Scalar mu;
    cv::Scalar sigma;
    cv::meanStdDev(image, mu, sigma);

    cv::Mat imageCanny;

    cv::Canny(image,
              imageCanny,
              mu.val[0] + sigma.val[0],
              mu.val[0] - sigma.val[0]);

    //Detecting conturs.
    std::vector<std::vector<cv::Point> > contours;
    std::vector<cv::Vec4i> hierarchy;
    cv::findContours(imageCanny, contours, hierarchy,CV_RETR_TREE, CV_CHAIN_APPROX_NONE);

    //Hierarchy is not needed here so clear it.
    hierarchy.clear();

    for (std::size_t i = 0; i < contours.size(); i++)
    {
        //fitEllipse need at last 5 points.
        if (contours.at(i).size() < 5)
        {
            continue;
        }
        //Skip small contours.
        if (std::fabs(cv::contourArea(contours.at(i))) < 800.0)
        {
            continue;
        }
        //Calculating RotatedRect from contours NOT from hull
        //because fitEllipse need at last 5 points.

        cv::RotatedRect bEllipse = cv::fitEllipse(contours.at(i));

        //Finds the convex hull of a point set.
        std::vector<cv::Point> hull;
        cv::convexHull(contours.at(i), hull, true);
        //Approx it, so we'll get 3 point for triangles
        //and 4 points for trapez.
        cv::approxPolyDP(hull, hull, 15, true);
        //Is our contour convex. It's mast be.
        if (!cv::isContourConvex(hull))
        {
            continue;
        }
        //Triangle
        if (hull.size() == 3)
        {
            cv::drawContours(imageRGB, contours, i, cv::Scalar(255, 0, 0), 2);
            cv::circle(imageRGB, bEllipse.center, 3, cv::Scalar(0, 255, 0), 2);
        }
        //trapez
        if (hull.size() == 4)
        {
            cv::drawContours(imageRGB, contours, i, cv::Scalar(0, 255, 255), 2);
            cv::circle(imageRGB, bEllipse.center, 3, cv::Scalar(0, 0, 255), 2);
        }
    }
    return imageRGB;
}

所以...一般来说，所有由错误的阈值参数引起的问题，我怎样才能以正确的方式（当然是自动的）计算它？我怎样才能（哈哈，对不起我的英语）防止误报？

Answer 1

Thesholding - 我认为您应该尝试 Otsu 二值化 - here is some theory and a nice picture and here 是文档。这种阈值化一般是试图找到图像中最常见的 2 个值，并使用它们的平均值作为阈值。

或者考虑使用 HSV 颜色 space，可能更容易将黑白区域与其他区域区分开来。另一个想法是使用 inRange 函数（RGB 或 HSV 颜色 space - 应该在两种情况下工作） - 你需要找到 2 个范围（一个来自黑色区域，一个来自白色区域）并仅搜索这些区域（使用 inRange 函数）- 看 at this post。

完成此任务的另一种方法可能是使用某些库进行 blob 提取 like this one or blob extractor，它是 OpenCV 的一部分。

区分三角形和梯形 - 我在这里看到了两种改进解决方案的基本方法：

在这一行cv::approxPolyDP(hull, hull, 15, true);中使第三个参数（在这种情况下为15）不是一个常数值，而是等高线面积或长度的一部分。当然它应该适应轮廓大小，它不能只是一个常量值。如果不进行一些测试，很难说如何计算它 - 尝试从轮廓面积或长度的 1-5% 开始（我会从长度开始，但这只是我的猜测），看看这个值是否是 fine/to big/to small 如果需要，请检查其他值。不幸的是没有其他办法，但是手动找到这个方程应该不会花很长时间。
当你有 4 或 5 个点时，计算连接连续点的直线方程（点 1 和点 2，点 2 和点 3，等等不要忘记计算第一个点和最后一个点之间的线），比检查这些线中的任何 2 条是否平行（或至少接近平行 - 它们之间的角度接近 0 度） - 如果你发现任何平行线而不是这个轮廓是梯形，否则它是三角形。

确定阈值参数的正确方法

Proper way to determine thresholding parameters

c++

opencv