我正在为 Python 使用 OpenCV,这是执行以下步骤后的结果:
- 将图像转换为 HSV
- 隔离给定色调范围内的像素
- 开发按位与掩码
- 使用 Canny 边缘检测
如您所见,我的 Canny 检测器性能很差,我的 mask 中有很多噪音。我尝试了某些技术,包括腐 eclipse 和膨胀,但它们并没有太大帮助。
我还能做些什么来确保当我将 mask 传递给 Hough Line Transformer 时,它实际上能够检测到球场的边缘?
这里有一些代码供引用:
img = cv2.imread('imgs/bulls.jpg')
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
court_color = np.uint8([[[160,221,248]]])
hsv_court_color = cv2.cvtColor(court_color, cv2.COLOR_BGR2HSV)
hue = hsv_court_color[0][0][0]
# define range of blue color in HSV
lower_color = np.array([hue - 10,10,10])
upper_color = np.array([hue + 10,255,255])
# Threshold the HSV image to get only blue colors
mask = cv2.inRange(hsv_img, lower_color, upper_color)
# Bitwise-AND mask and original image
res = cv2.bitwise_and(img,img, mask= mask)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)), plt.title('Original Image'), plt.show()
plt.imshow(mask, cmap='Greys'), plt.title('Mask'), plt.savefig('imgs/mask.jpg'), plt.show()
# Erosion
kernel = np.ones((2,2),np.uint8)
erosions2 = cv2.erode(mask,kernel,iterations = 5)
# Dilation
dilation = cv2.dilate(mask,kernel,iterations = 3)
# Opening
opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
# Closing
closing = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)
编辑:我正在尝试复制这项研究:web.stanford.edu/class/ee368/Project_Spring_1415/Reports/…。我想通过检测勾勒出球场轮廓的直线来隔离球场,以便我最终可以使用单应性来找到球场上球员的坐标。
最佳答案
在这种情况下,检测图像上的霍夫线是您的最佳选择,因为 field 颜色和相机设置会因地而异。检测线条并使用统一的色 block 进行一些进一步处理应该可以让您以一定的准确性分割球场区域。
关于python - 如何使用 OpenCV 更有效地隔离篮球场?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46779690/