opencv C++ 中非均匀光照物体的检测

Question

我正在使用 OpenCV C++ 在 video/live stream/image 中执行特征检测。视频不同部分的光照条件不同，导致在将 RGB 图像转换为二进制图像时某些部分被忽略。

视频特定部分的照明条件也会随着视频的播放而变化。我尝试了 'Histogram equalization' 函数，但它没有帮助。

我在 MATLAB 中得到了一个可行的解决方案 link:

http://in.mathworks.com/help/images/examples/correcting-nonuniform-illumination.html

但是，上述 link 中使用的大多数函数在 OpenCV 中不可用。

您能否建议在 OpenCV C++ 中替代此 MATLAB 代码？

Answer 1

OpenCV 具有框架中可用的自适应阈值范例：http://docs.opencv.org/modules/imgproc/doc/miscellaneous_transformations.html#adaptivethreshold

函数原型如下：

void adaptiveThreshold(InputArray src, OutputArray dst, 
                      double maxValue, int adaptiveMethod, 
                      int thresholdType, int blockSize, double C);

前两个参数是输入图像和存储输出阈值图像的位置。 maxValue 是分配给通过标准的输出像素的阈值，adaptiveMethod 是用于自适应阈值的方法，thresholdType 是您要执行的阈值类型（更多稍后），blockSize 是要检查的 windows 的大小（稍后会详细介绍），C 是要从每个 window 中减去的常数。我从来没有真正需要使用它，我通常将它设置为 0。

adaptiveThreshold 的默认方法是分析 blockSize x blockSize windows 并计算此 window 中的平均强度减去 C。如果这个window的中心在平均强度之上，则输出图像输出位置中的这个对应位置设置为maxValue，否则相同位置设置为0。这应该打击非- 均匀照明问题，您不是对图像应用全局阈值，而是对局部像素邻域执行阈值处理。

您可以阅读有关其他参数的其他方法的文档，但要开始使用，您可以这样做：

// Include libraries
#include <cv.h>
#include <highgui.h>

// For convenience
using namespace cv;

// Example function to adaptive threshold an image
void threshold() 
{
   // Load in an image - Change "image.jpg" to whatever your image is called
   Mat image;
   image = imread("image.jpg", 1);

   // Convert image to grayscale and show the image
   // Wait for user key before continuing
   Mat gray_image;
   cvtColor(image, gray_image, CV_BGR2GRAY);

   namedWindow("Gray image", CV_WINDOW_AUTOSIZE);
   imshow("Gray image", gray_image);   
   waitKey(0);

   // Adaptive threshold the image
   int maxValue = 255;
   int blockSize = 25;
   int C = 0;
   adaptiveThreshold(gray_image, gray_image, maxValue, 
                     CV_ADAPTIVE_THRESH_MEAN_C, CV_THRESH_BINARY, 
                     blockSize, C);

   // Show the thresholded image
   // Wait for user key before continuing
   namedWindow("Thresholded image", CV_WINDOW_AUTOSIZE);
   imshow("Thresholded image", gray_image);
   waitKey(0);
}

// Main function - Run the threshold function
int main( int argc, const char** argv ) 
{
    threshold();
}

Answer 2

adaptiveThreshold应该是你的首选。

但是我在这里报告 "translation" 从 Matlab 到 OpenCV，这样你就可以很容易地移植你的代码。如您所见，大多数功能在 Matlab 和 OpenCV 中都可用。

#include <opencv2\opencv.hpp>
using namespace cv;

int main()
{   
    // Step 1: Read Image
    Mat1b img = imread("path_to_image", IMREAD_GRAYSCALE);

    // Step 2: Use Morphological Opening to Estimate the Background
    Mat kernel = getStructuringElement(MORPH_ELLIPSE, Size(15,15));
    Mat1b background;
    morphologyEx(img, background, MORPH_OPEN, kernel);

    // Step 3: Subtract the Background Image from the Original Image
    Mat1b img2;
    absdiff(img, background, img2);

    // Step 4: Increase the Image Contrast
    // Don't needed it here, the equivalent would be  cv::equalizeHist

    // Step 5(1): Threshold the Image
    Mat1b bw;
    threshold(img2, bw, 50, 255, THRESH_BINARY);

    // Step 6: Identify Objects in the Image
    vector<vector<Point>> contours;
    findContours(bw.clone(), contours, CV_RETR_LIST, CV_CHAIN_APPROX_NONE);


    for(int i=0; i<contours.size(); ++i)
    {
        // Step 5(2): bwareaopen
        if(contours[i].size() > 50)
        {
            // Step 7: Examine One Object
            Mat1b object(bw.size(), uchar(0));
            drawContours(object, contours, i, Scalar(255), CV_FILLED);

            imshow("Single Object", object);
            waitKey();
        }
    }

    return 0;
}

opencv C++ 中非均匀光照物体的检测

Detection of objects in nonuniform illumination in opencv C++

c++

matlab

opencv

image-processing