使用 Canny edge 创建蒙版 - 更新

Posted 2023-02-21

【中文标题】使用 Canny edge 创建蒙版 - 更新

【英文标题】：Using Canny edge to create a mask - updated

【发布时间】：2017-09-04 19:19:01

【问题描述】：

我想在提供的图片中找到卷心菜。我已经有一个使用颜色阈值的前一个问题的实现，但是它需要我手动输入 HSV 或 RGB 值，我需要一种自适应的控制方式，并考虑使用精明的边缘来查找边缘，然后创建一个蒙版。

下面是 color thesholding 的实现，它是 canny 所需的输出。

# Import the necessary packages
import numpy as np
import argparse
import cv2
import glob

def auto_canny(image, sigma=0.33):
    # compute the median of the single channel pixel intensities
    v = np.median(image)

    # apply automatic Canny edge detection using the computed median
    lower = int(max(0, (1.0 - sigma) * v))
    upper = int(min(255, (1.0 + sigma) * v))
    edged = cv2.Canny(image, lower, upper)

    # return the edged image
    return edged

# Construct the argument parser and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required = True,
    help = "Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Image", image)


gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (3, 3), 0)

auto = auto_canny(blurred)

cv2.imshow("Image", auto)
cv2.imwrite("newimage1.jpg", auto)



(_, cnts, _) = cv2.findContours(auto.copy(), cv2.RETR_EXTERNAL,
        cv2.CHAIN_APPROX_SIMPLE)

if len(cnts) > 0:
    # sort the contours and find the largest one -- we
    # will assume this contour correspondes to the area
    # of my phone
    cnt = sorted(cnts, key = cv2.contourArea, reverse = True)[0]
    cv2.drawContours(image, [cnt], -1, (0, 255, 0), 2)


cv2.imshow("Tracking", image)
cv2.imwrite("newimage2.jpg", image)
cv2.waitKey(0)

cv2.waitKey(0)

结果：

我的想法是使用 canny 找到边缘，然后使用 findcontours 获得最大的轮廓并创建一个应该是卷心菜的蒙版。但是，这似乎不起作用，因为精明输出的结果有很多边缘。

我认为我应该在应用精明边缘检测之前进行一些预处理，但我不太确定应用哪些技术进行预处理。

编辑：

阅读了一些建议并尝试了那些我知道该怎么做的建议，首先我将其转换为 HSV 并将图像拆分为相应的 H、s 和 v。实现了 2 种方法，结果如下，任何建议如何改进？

# Import the necessary packages
import numpy as np
import argparse
import cv2
import glob

def auto_canny(image, sigma=0.33):
    # compute the median of the single channel pixel intensities
    v = np.median(image)

    # apply automatic Canny edge detection using the computed median
    lower = int(max(0, (1.0 - sigma) * v))
    upper = int(min(255, (1.0 + sigma) * v))
    edged = cv2.Canny(image, lower, upper)

    # return the edged image
    return edged

# Construct the argument parser and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required = True,
    help = "Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Image", image)
newImage = image.copy()

hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
blurred = cv2.GaussianBlur(hsv, (3, 3), 0)

#cv2.imshow("HSV image", blurred)

#now to seperate and only extract hue image
h,s,v = cv2.split(blurred)

cv2.imshow("H", h)
#cv2.imshow("S", s)
#cv2.imshow("V", v)

thresh = cv2.adaptiveThreshold(h, 255,
    cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, 11, 4)
cv2.imshow("adaptive1", thresh)
cv2.imwrite("adaptive1.jpg", thresh)

(_, cnts, _) = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
        cv2.CHAIN_APPROX_SIMPLE)

auto = auto_canny(h)
cv2.imshow("canny", auto)
cv2.imwrite("canny1.jpg", auto)


(_, cnts2, _) = cv2.findContours(auto.copy(), cv2.RETR_EXTERNAL,
        cv2.CHAIN_APPROX_SIMPLE)

if len(cnts) > 0:
    # sort the contours and find the largest one -- we
    # will assume this contour correspondes to the area
    # of my phone
    cnt = sorted(cnts, key = cv2.contourArea, reverse = True)[0]
    cv2.drawContours(image, [cnt], -1, (0, 255, 0), 2)

cv2.imshow("adaptive2", image)
cv2.imwrite("adaptive2.jpg", image)

if len(cnts2) > 0:
    # sort the contours and find the largest one -- we
    # will assume this contour correspondes to the area
    # of my phone
    cnt = sorted(cnts2, key = cv2.contourArea, reverse = True)[0]
    cv2.drawContours(newImage, [cnt], -1, (0, 255, 0), 2)

cv2.imshow("canny2", newImage)
cv2.imwrite("canny2.jpg", newImage)

cv2.waitKey(0)

自适应：

坎尼：

【问题讨论】：

看起来像是抓取算法的案例

尝试使用 HSV 彩色图像作为基础，如：***.com/questions/29156091/…

@AndreyKamaev 我假设你在谈论类似this 的东西。这与深度学习方法相比如何？ IE。 this最近的细分工作

【参考方案1】：

您还可以在颜色空间中设置图像的 3d 直方图，如果您知道目标是场景中的主要对象，您可以通过算法设置围绕主要颜色空间（聚类）的边界，然后使用它进行分段。这可能是我想要的。

【参考方案2】：

不要转换为灰度，转换为一些HSV colorspace 并尝试分割出绿色对象。

使用adaptiveThreshold而不是canny，它可以很好地在本地找到最佳边缘水平