分割低对比度的深度图像

Posted 2023-02-22

【中文标题】分割低对比度的深度图像

【英文标题】：Segment depth image with low contrast

【发布时间】：2015-08-05 12:14:51

【问题描述】：

我正在尝试从这个 depth 图像中分割手：

我尝试了分水岭、区域增长、grabcut，但都失败了，主要是因为没有清晰的边缘。我也尝试过锐化图像，但效果也不理想。

【问题讨论】：

这是您的原始分辨率和色深吗？如果没有，请提供原始示例图像，以便在提出方法之前对其进行测试。

@Micka 我已更新为原始颜色深度（这是我的 DS325 相机的原始分辨率）。唯一的问题是输入从浮点数（从-1 到 0.6 不等）转换为 uchar 以保存为 jpg。如果您认为以浮点格式发送更好，我可以链接一个 txt 文件。

@Micka 它的here（大小为 320x240）。顺便感谢您的帮助！

根据一些先验知识，可能（仍然很难）分割大部分手，但我完全不知道如何获得拇指......

可能你的大脑增强了拇指轮廓，因为你的大脑已经检测到手的其余部分；）使用人类大脑作为分割算法的参考是相当具有挑战性的！

【参考方案1】：

这可能不是您希望的答案，但它可能会帮助您向前迈进一点。由于我只提供算法提示，我将使用 Matlab 而不是 opencv。

由于这不是普通的强度图像，而是深度图像，因此您应该使用场景的隐含几何。在这里可以帮助您的关键假设是手放在表面上。如果你能估计出表面方程，你就能更容易地检测到手。

[y x] = ndgrid( linspace(-1,1,size(img,1)), linspace(-1,1,size(img,2)) );
X = [reshape(x(101:140,141:180),[],1), reshape(y(101:140,141:180),[],1), ones(1600,1)];
srf=(X\reshape(img(101:140,141:180),[],1)); %// solving least-squares for the 40x40 central patch

 aimg = img - x*srf(1) - y*srf(2) - srf(3); %// subtracting the recovered surface

使用中值过滤器“清理”一下，并应用一个简单的阈值

 medfilt2(aimg,[3 3]) < -1.5

产量

不完全是您所希望的，但我认为这是向前迈出的一步；）

---

PS， 您可能会发现Alpert, Galun, Nadler and Basri Detecting faint curved edges in noisy images (ECCV2010) 的工作与您的问题相关。

【讨论】：

感谢您的回答！其实我也有同样的想法。使用 RANSAC，我很好地提取了飞机，但我仍然错过了指尖（这是我正在寻找的）。感谢您指出论文，我会研究一下。