最佳答案
这可能不是您所希望的答案,但它可能会帮助您向前迈进一步。由于我只提供算法提示,因此我将使用 Matlab 而不是 opencv。
由于这不是普通的强度图像,而是深度图像,因此您应该使用场景的隐含几何。此处可以帮助您的关键假设是手放在表面 上。如果您可以估计表面方程,则可以更轻松地检测到手。
[y x] = ndgrid( linspace(-1,1,size(img,1)), linspace(-1,1,size(img,2)) );
X = [reshape(x(101:140,141:180),[],1), reshape(y(101:140,141:180),[],1), ones(1600,1)];
srf=(X\reshape(img(101:140,141:180),[],1)); %// solving least-squares for the 40x40 central patch
aimg = img - x*srf(1) - y*srf(2) - srf(3); %// subtracting the recovered surface
使用中值滤波器稍微“清理”一下,并应用一个简单的阈值
medfilt2(aimg,[3 3]) < -1.5
产量
不完全是您所希望的,但我认为这是向前迈出的一步;)
附言,
您可能会找到 Alpert, Galun, Nadler and Basri Detecting faint curved edges in noisy images (ECCV2010) 的作品与您的问题相关。
关于c++ - 低对比度分割深度图像,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31832236/