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?
最佳答案
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:
- 使用 Adrian 的 tutorial on using PiCam with OpenCV in Python
- 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 - 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)
关于c++ - 快速可靠的反射球检测方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42706085/