c++ - 快速可靠的反射球检测方法

Question

我在图像中有一个高度反光的球，看起来像这样:

实时检测球的稳健方法是什么？ (5-10 帧/秒)

我尝试了几种分割算法，但它们无法将球与背景分开，而是将球切成碎片，因为球本身有许多不同的区域。

由于反射特性，简单的圆形霍夫变换效果不佳。这同样适用于任何简单的阈值或形态学操作。

对于一般处理反光表面，您有什么建议吗？

Answer 1

HoughCircles建议很好，只要您大致了解球将如何在框架中移动，因此大致了解您所考虑的最小、最大半径:

import numpy as np
import cv2
import cv2.cv as cv

img = cv2.imread('wcEXm.jpg',0)


#Method 1: Hough Circles
img = cv2.medianBlur(img,5)
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

# HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]])
circles = cv2.HoughCircles(img,cv.CV_HOUGH_GRADIENT,dp=1,minDist=50,param1=127,param2=30,minRadius=50,maxRadius=150)

circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    # draw the outer circle
    cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)
    # draw the center of the circle
    cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)

cv2.imshow('detected circles',cimg)

另一种选择是使用 findContours() .使用正确的选项和一些过滤(例如 dilate()、erode())，您可以从背景中分割球以及宽度和高度之间的比率(更接近到正方形)会有帮助。

但是，如果您对球的大小不感兴趣，只知道它在哪里，那么有一件小事可以大大简化这个过程。 你的球是反光的，甚至要开始检测你都需要光源，因此，即使颜色/环境看起来不同，球也会有亮点。假设光源不在画面中，您的反光球可能是场景中下一个最亮的东西:

import cv2

img = cv2.imread('wcEXm.jpg',0)

minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(img)
cv2.circle(img, maxLoc, 20, (0,192,0),10)

在 RaspberryPi 上的性能方面，我推荐如下:

1. 使用 Adrian 的 tutorial on using PiCam with OpenCV in Python
2. 如果您打算使用 minMaxLoc() 或其他处理灰度图像的函数，您可以使用 'yuv'颜色空间，只需使用 Y(亮度) channel 即可节省一些时间，无需将 RGB 转换为亮度/灰度
3. 使用较小的分辨率(例如 320x240 或 160x120)。如果您需要将球的 x,y 位置映射到其他位置，您可以按比例放大结果。

更新: 另一件可能有帮助的事情是 Canny edge detection因为场景简单，球会很突出:

edges = cv2.Canny(img,100,200)