我的问题是使用拖车背面的图像自动查找和计算卡车中的木材。我正在尝试使用 MATLAB Image Toolbox 解决这个问题。所以,这是我的代码。
function [ centers, rads, metrics ] = TimberFind( img )
minrad = 20;
maxrad = 110;
Hsens = .93;
CannySens = .20;
img_gray = rgb2gray(img);
PSF = fspecial('gaussian', 5, 0.5);
img_gray = imfilter(img_gray, PSF, 'symmetric', 'conv');
img_gray = imadjust(img_gray);
PSF=fspecial('gaussian', 10, 1);
Blurred = imfilter(img_gray, PSF, 'symmetric', 'conv');
cont = imsubtract(img_gray, Blurred);
preprocessed = imadd(img_gray, 3*cont);
bin = edge(preprocessed, 'canny', CannySens);
[cen, r, m] = imfindcircles(bin, [minrad maxrad],'Sensitivity', Hsens);
end
但是结果不是很好。可以看到the full data设置或以下示例:
因此,如果我使 Canny 和 imfindcircles 算法足够敏感以检测所有木材,就会发现一些多余的结果。我有一个解决这个问题的想法,即从大图像中切出每个木材,然后为获得的小图片构建一些全局标准,并在其上尝试一些机器学习算法。但我认为这种方式相当困难,所以也许有人可以提出其他建议?也许有更好的方法在使用 Canny 算子之前对图像进行预处理?如果您有任何想法如何让它变得更好,请告诉我。谢谢!
最佳答案
实际上,在使用 imfindcircles
之前,实际上并不需要对图像进行预处理,即灰度、高斯滤波和 Cany 边缘检测实际上都没有用。 .
您的代码的简化版本在此图像上给出了非常不错的结果:
代码:
minrad = 20;
maxrad = 110;
Hsens = .93;
[cen, r] = imfindcircles(img, [minrad maxrad],'Sensitivity', Hsens);
结果:
有趣的是,结果比您的原始代码要好得多。越简单越好!
关于matlab - 如何使用 MATLAB 在卡车中查找木材?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29734116/