图像 - 检测低对比度边缘
Image - detect low contrast edge
我有一张具有高对比度和低对比度过渡的图片。
我需要检测上图的边缘。我需要二进制图像。我可以使用 Sobel 运算符和阈值轻松检测黑色和“深色”蓝色边缘。
但是，“浅”蓝色和“浅”黄色之间的边缘存在问题。
我从平滑图像开始，每个通道都使用中值滤波器来去除噪声。
我已经尝试检测边缘的方法：
- 索贝尔算子
- 精明的算子
- 拉普拉斯
- 灰度、RGB、HSV、LUV 颜色空间（使用多通道空间，在每个通道中检测边缘，然后组合在一起以创建一个最终边缘图像）
- 用伽马校正预处理 RGB 图像（预处理的问题是图像压缩。源图像是 JPG，如果我使用预处理边缘检测，通常以 JPG 宏块导致的可见网格结束。）
到目前为止，RGB 上的 Sobel 效果最好，但低对比度线也是低对比度。
进一步阈值删除这部分。我认为边缘所有低于某个灰度值的东西。如果我使用像 250 这样的高阈值，低对比度边缘的结果会更好，但其余边缘会被破坏。我也不喜欢低对比度边缘的间隙。
因此，如果我进一步更改阈值并说除白色外的所有边缘都是边缘，那么我到处都是边缘。
你有没有其他想法如何结合低对比度和高对比度边缘检测，使边缘尽可能没有间隙，也不会到处都是？
注意：为了测试，我主要使用 OpenCV，OpenCV 中没有的，我自己编程
IMO 这几乎是不可能的，如果你想要一个自动化的解决方案的话，如果完全可行的话。
这里我使用了 RGB space 中的二值化，通过将每个像素分配给代表蓝色和黄色的两种颜色中最接近的颜色。 （我选择了孤立的像素，但选择一个区域的平均值会更好。）
也许 k-means 分类器可以做到这一点？
更新：
这是 k-means 分类器可以给出的结果，有 5 个 类。
感谢 Yves 提出可能的解决方案。我在尝试这个方面玩得很开心，想分享一些实际的代码，作为我自己未来的参考。我刚刚在终端中使用了 ImageMagick，但是您可以在 Python 中使用 Wand.
做同样的事情
因此，要获得具有 5 种颜色的 K-means 聚类分割，您可以执行以下操作：
magick edge.png -kmeans 5 result.png
如果你想要检测到的颜色的样本，你可以这样做：
magick edge.png \( +clone -kmeans 5 -unique-colors -scale "%[width]x20\!" \) -background none -smush +10 result.png
关键词: Python, ImageMagick, wand, image processing, segmentation, k-means, clustering, swatch.
我有一张具有高对比度和低对比度过渡的图片。
我需要检测上图的边缘。我需要二进制图像。我可以使用 Sobel 运算符和阈值轻松检测黑色和“深色”蓝色边缘。
但是，“浅”蓝色和“浅”黄色之间的边缘存在问题。
我从平滑图像开始，每个通道都使用中值滤波器来去除噪声。
我已经尝试检测边缘的方法：
- 索贝尔算子
- 精明的算子
- 拉普拉斯
- 灰度、RGB、HSV、LUV 颜色空间（使用多通道空间，在每个通道中检测边缘，然后组合在一起以创建一个最终边缘图像）
- 用伽马校正预处理 RGB 图像（预处理的问题是图像压缩。源图像是 JPG，如果我使用预处理边缘检测，通常以 JPG 宏块导致的可见网格结束。）
到目前为止，RGB 上的 Sobel 效果最好，但低对比度线也是低对比度。
进一步阈值删除这部分。我认为边缘所有低于某个灰度值的东西。如果我使用像 250 这样的高阈值，低对比度边缘的结果会更好，但其余边缘会被破坏。我也不喜欢低对比度边缘的间隙。
因此，如果我进一步更改阈值并说除白色外的所有边缘都是边缘，那么我到处都是边缘。
你有没有其他想法如何结合低对比度和高对比度边缘检测，使边缘尽可能没有间隙，也不会到处都是？
注意：为了测试，我主要使用 OpenCV，OpenCV 中没有的，我自己编程
IMO 这几乎是不可能的，如果你想要一个自动化的解决方案的话，如果完全可行的话。
这里我使用了 RGB space 中的二值化，通过将每个像素分配给代表蓝色和黄色的两种颜色中最接近的颜色。 （我选择了孤立的像素，但选择一个区域的平均值会更好。）
也许 k-means 分类器可以做到这一点？
更新：
这是 k-means 分类器可以给出的结果，有 5 个 类。
感谢 Yves 提出可能的解决方案。我在尝试这个方面玩得很开心，想分享一些实际的代码，作为我自己未来的参考。我刚刚在终端中使用了 ImageMagick，但是您可以在 Python 中使用 Wand.
做同样的事情因此，要获得具有 5 种颜色的 K-means 聚类分割，您可以执行以下操作：
magick edge.png -kmeans 5 result.png
如果你想要检测到的颜色的样本，你可以这样做：
magick edge.png \( +clone -kmeans 5 -unique-colors -scale "%[width]x20\!" \) -background none -smush +10 result.png
关键词: Python, ImageMagick, wand, image processing, segmentation, k-means, clustering, swatch.