颜色信息通常通过转换为 HSV 颜色空间来处理,HSV 颜色空间直接处理“颜色”,而不是将颜色划分为 R/G/B 分量,这使得更容易处理具有不同亮度的相同颜色等。
如果你将图像转换为 HSV,你会得到:
cv::Mat hsv;
cv::cvtColor(input,hsv,CV_BGR2HSV);
std::vector<cv::Mat> channels;
cv::split(hsv, channels);
cv::Mat H = channels[0];
cv::Mat S = channels[1];
cv::Mat V = channels[2];
色相通道:
饱和通道:
价值渠道:
通常,如果您对分割“颜色”(例如所有红色对象)感兴趣,则色调通道是第一个要查看的通道。一个问题是,色调是一个圆形/角度值,这意味着最高值与最低值非常相似,这会导致肉饼边缘出现明亮的伪影。为了克服特定值的这个问题,您可以移动整个色调空间。如果移动 50°,你会得到类似这样的结果:
cv::Mat shiftedH = H.clone();
int shift = 25; // in openCV hue values go from 0 to 180 (so have to be doubled to get to 0 .. 360) because of byte range from 0 to 255
for(int j=0; j<shiftedH.rows; ++j)
for(int i=0; i<shiftedH.cols; ++i)
{
shiftedH.at<unsigned char>(j,i) = (shiftedH.at<unsigned char>(j,i) + shift)%180;
}
现在您可以使用简单的精明边缘检测来查找色调通道中的边缘:
cv::Mat cannyH;
cv::Canny(shiftedH, cannyH, 100, 50);
您可以看到这些区域比真正的肉饼大一点,这可能是因为肉饼周围地面上的微小反射,但我对此不确定。也许这只是因为 jpeg 压缩伪影;)
如果您使用饱和通道来提取边缘,您最终会得到如下结果:
cv::Mat cannyS;
cv::Canny(S, cannyS, 200, 100);
轮廓未完全闭合的地方。也许您可以在预处理中结合色调和饱和度来提取色调通道中的边缘,但前提是饱和度足够高。
在这个阶段你有优势。请注意,边缘还不是轮廓。如果直接从边缘提取轮廓,它们可能不会闭合/分离等:
// extract contours of the canny image:
std::vector<std::vector<cv::Point> > contoursH;
std::vector<cv::Vec4i> hierarchyH;
cv::findContours(cannyH,contoursH, hierarchyH, CV_RETR_TREE , CV_CHAIN_APPROX_SIMPLE);
// draw the contours to a copy of the input image:
cv::Mat outputH = input.clone();
for( int i = 0; i< contoursH.size(); i++ )
{
cv::drawContours( outputH, contoursH, i, cv::Scalar(0,0,255), 2, 8, hierarchyH, 0);
}
您可以通过检查来删除那些小轮廓cv::contourArea(contoursH[i]) > someThreshold
在绘图之前。但是你看到左边的两个肉饼是连在一起的吗?这是最难的部分......使用一些启发式方法来“改进”你的结果。
cv::dilate(cannyH, cannyH, cv::Mat());
cv::dilate(cannyH, cannyH, cv::Mat());
cv::dilate(cannyH, cannyH, cv::Mat());
Dilation before contour extraction will "close" the gaps between different objects but increase the object size too.
如果从中提取轮廓,它将如下所示:
如果您只选择“内部”轮廓,那么它正是您喜欢的:
cv::Mat outputH = input.clone();
for( int i = 0; i< contoursH.size(); i++ )
{
if(cv::contourArea(contoursH[i]) < 20) continue; // ignore contours that are too small to be a patty
if(hierarchyH[i][3] < 0) continue; // ignore "outer" contours
cv::drawContours( outputH, contoursH, i, cv::Scalar(0,0,255), 2, 8, hierarchyH, 0);
}
请注意,扩张和内部轮廓的内容有点模糊,因此它可能不适用于不同的图像,并且如果初始边缘在对象边界周围放置得更好,则可能 1. 不需要执行扩张和内部轮廓的操作,并且 2 .如果仍然有必要,在这种情况下膨胀将使对象变小(幸运的是,这对于给定的示例图像来说非常有用。)。
编辑:有关 HSV 的一些重要信息:色调通道将为每个像素提供光谱的颜色,即使饱和度非常低(= 灰色/白色)或者如果颜色非常低(值),通常需要阈值饱和度和值通道来找到一些特定的颜色!这可能比我在代码中使用的扩展更容易处理,也更麻烦。