OpenCV：检测黑暗背景中的正方形

Question

目前我正在尝试计算移动物体的光流。对象特别是圆形旋钮周围的正方形：

这是我要处理的原版图像：

我担心的是最右边的条带。当我尝试使用 Canny 边缘检测或 GoodFeaturesToTrack 时，通常无法检测到这两个方块。我目前正在尝试锐化内核和阈值，然后进行形态学变换以找到轮廓区域。但是，当我达到阈值时，我得到以下结果：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt


filename = 'images/Test21_1.tif'


image = cv.imread(filename)

kernel = [ [0, -1, 0], [-1, 5, -1], [0, -1, 0] ] #sharpen kernel I got from wikipedia

kernel = np.array(kernel)
dst = cv.filter2D(image, -1, kernel)
ret, thresh = cv.threshold(dst, 80, 150, cv.THRESH_BINARY_INV)

plt.subplot(121),plt.imshow(image),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(thresh),plt.title('Threshold')
plt.xticks([]), plt.yticks([])
plt.show()

我想知道我可以在 openCV 中做些什么来识别那个正方形。这些方块是视频中移动的物体，我想用它们来计算它们的光流。我目前正在考虑使用 PyTorch CNN 来检测这些特征。我会手动标记 training/test 数据集的图像，但我认为这可能有点矫枉过正。谢谢你的时间。

Answer 1

问题是右下角附近的局部对比度不好。您可以尝试使用 CLAHE（对比度受限自适应直方图均衡）。

# improving local contrast
GRID_SIZE = 20
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(GRID_SIZE,GRID_SIZE))
image = clahe.apply(image)

然后尝试使用您的算法检测正方形。

Answer 2

我不确定这是否更好，但您可以尝试使用 Python/OpenCV 中的除法归一化技术。

读取输入
转换为灰度
应用形态
将输入除以形态学的结果
自适应阈值
保存结果

import cv2
import numpy as np

# read the image
img = cv2.imread('rods.png')

# convert to gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# apply morphology
kernel = cv2.getStructuringElement(cv2.MORPH_RECT , (5,5))
smooth = cv2.morphologyEx(gray, cv2.MORPH_DILATE, kernel)

# divide gray by morphology image
division = cv2.divide(gray, smooth, scale=255)

# threshold
thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 7, 4)

# save results
cv2.imwrite('rods.division.jpg',division)
cv2.imwrite('rods.thresh.jpg',thresh)

# show results
cv2.imshow('smooth', smooth)  
cv2.imshow('division', division)  
cv2.imshow('thresh', thresh)  
cv2.waitKey(0)
cv2.destroyAllWindows()

部门形象：

阈值图像：

OpenCV：检测黑暗背景中的正方形

OpenCV: Detect squares in dark background

python

opencv

detection