OpenCV實(shí)現(xiàn)低對(duì)比度圖像臟污區(qū)域檢測(cè)
1. 低對(duì)比度圖像臟污區(qū)域檢測(cè)
先上圖:
第一張圖如果不是標(biāo)注結(jié)果,我都沒(méi)有發(fā)現(xiàn)臟污區(qū)域在哪里,第二張圖還清晰一些,基本可以看出來(lái)圖像靠近左邊緣的位置有偏暗的區(qū)域,這就是我們所說(shuō)的臟污區(qū)域了,也是我們要檢測(cè)的區(qū)域。
標(biāo)注結(jié)果圖:
2. 實(shí)現(xiàn)方法介紹
這里介紹兩種實(shí)現(xiàn)方法,
第一種是用C++實(shí)現(xiàn)參考博文的方法,即利用梯度方法來(lái)檢測(cè),具體步驟如下:
- 對(duì)圖像進(jìn)行高斯模糊去噪,梯度計(jì)算對(duì)噪聲很敏感;
- 調(diào)用Sobel函數(shù)計(jì)算圖像在x,y方向梯度;
- 調(diào)用convertScaleAbs函數(shù)將x,y梯度圖像像素值限制在0-255;
- 調(diào)用addWeight函數(shù)將x,y梯度圖像融合;
- 調(diào)用threshold函數(shù)對(duì)融合圖像進(jìn)行二值化;
- 使用先腐蝕、后膨脹的形態(tài)學(xué)處理方法對(duì)二值圖像進(jìn)行非臟污區(qū)域過(guò)濾;
- 調(diào)用findContours方法查找臟污區(qū)域輪廓。
第二種方法是本人根據(jù)提高圖像對(duì)比度思路實(shí)現(xiàn)的,具體步驟如下:
8. 對(duì)圖像進(jìn)行高斯模糊去噪;
9. 使用局部直方圖均衡化方法來(lái)提高圖像對(duì)比度;
10. 使用OTSU二值化閾值方法來(lái)粗略分割臟污區(qū)域;
11. 對(duì)二值圖像使用腐蝕的形態(tài)學(xué)操作過(guò)濾掉部分非臟污區(qū)域;
12. 調(diào)用findContours方法查找臟污區(qū)域輪廓。
3. C++源碼實(shí)現(xiàn)
#include <iostream> #include <opencv2\imgcodecs.hpp> #include <opencv2\core.hpp> #include <opencv2\imgproc.hpp> #include <opencv2\highgui.hpp> #include <vector> int main() { using namespace cv; std::string strImgFile = "C:\\Temp\\common\\Workspace\\Opencv\\images\\led1.jpg"; Mat mSrc = imread(strImgFile); CV_Assert(mSrc.empty() == false); Mat mSrc2 = mSrc.clone(); CV_Assert(mSrc2.empty() == false); Mat mGray; cvtColor(mSrc, mGray, COLOR_BGR2GRAY); GaussianBlur(mGray, mGray, Size(5, 5), 1.0); Mat mGray2 = mGray.clone(); CV_Assert(mGray.empty() == false); imshow("gray", mGray.clone()); //方法1:利用梯度變化檢測(cè)缺陷 Mat mSobelX, mSobelY; Sobel(mGray, mSobelX, CV_16S, 1, 0, 7); Sobel(mGray, mSobelY, CV_16S, 0, 1, 7); convertScaleAbs(mSobelX, mSobelX); convertScaleAbs(mSobelY, mSobelY); Mat mEdge; addWeighted(mSobelX, 1, mSobelY, 1, 0, mEdge); imshow("edge", mEdge); Mat mThresh; threshold(mEdge, mThresh, 0, 255, THRESH_BINARY | THRESH_OTSU); imshow("thresh", mThresh); Mat kernel1 = getStructuringElement(MORPH_RECT, Size(11, 11)); CV_Assert(kernel1.empty() == false); Mat mMorph; morphologyEx(mThresh, mMorph, MORPH_ERODE, kernel1); imshow("erode", mMorph); Mat kernel2 = getStructuringElement(MORPH_RECT, Size(5, 5)); morphologyEx(mMorph, mMorph, MORPH_DILATE, kernel2); imshow("dilate", mMorph); std::vector<std::vector<Point>> contours; findContours(mMorph, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE); for (int i = 0; i < contours.size(); i++) { float area = contourArea(contours[i]); if (area > 200) { drawContours(mSrc, contours, i, Scalar(0, 0, 255)); } } imshow("result1", mSrc.clone()); //方法2: 利用局部直方圖均衡化方法檢測(cè)缺陷 Ptr<CLAHE> ptrCLAHE = createCLAHE(20, Size(30, 30)); ptrCLAHE->apply(mGray2, mGray2); imshow("equalizeHist", mGray2); Mat mThresh2; threshold(mGray2, mThresh2, 0, 255, THRESH_BINARY_INV | THRESH_OTSU); CV_Assert(mThresh2.empty() == false); imshow("thresh", mThresh2); Mat kernel2_1 = getStructuringElement(MORPH_RECT, Size(9, 9)); Mat mMorph2; morphologyEx(mThresh2, mMorph2, MORPH_ERODE, kernel2_1); CV_Assert(mMorph2.empty() == false); imshow("morph2", mMorph2); std::vector<std::vector<Point>> contours2; findContours(mMorph2, contours2, RETR_EXTERNAL, CHAIN_APPROX_NONE); for (int i = 0; i < contours2.size(); i++) { float area = contourArea(contours2[i]); if (area > 200) { drawContours(mSrc2, contours2, i, Scalar(0, 0, 255)); } } imshow("result2", mSrc2); waitKey(0); destroyAllWindows(); system("pause"); return 0; }
4.結(jié)果
梯度方法檢測(cè)結(jié)果:
局部直方圖均衡化方法檢測(cè)結(jié)果:
總結(jié)
相對(duì)于梯度方法,局部直方圖均衡化方法需要特別注意局部窗口大小參數(shù)以及閾限值參數(shù)的選擇,本人也是嘗試了多次才達(dá)到比較好的效果。再一次體會(huì)到傳統(tǒng)圖像處理的痛處,沒(méi)有通用的參數(shù)適用于所有的應(yīng)用實(shí)例,不同的場(chǎng)景要配置不同的參數(shù)才能達(dá)到想要的結(jié)果。
參考
https://jishuin.proginn.com/p/763bfbd62291
到此這篇關(guān)于OpenCV實(shí)現(xiàn)低對(duì)比度圖像臟污區(qū)域檢測(cè)的文章就介紹到這了,更多相關(guān)OpenCV圖像臟污區(qū)域檢測(cè)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- Python中OpenCV圖像特征和harris角點(diǎn)檢測(cè)
- Python-OpenCV實(shí)現(xiàn)圖像缺陷檢測(cè)的實(shí)例
- Python+OpenCV圖像處理——實(shí)現(xiàn)直線(xiàn)檢測(cè)
- 使用OpenCV檢測(cè)圖像中的矩形
- opencv python 圖像輪廓/檢測(cè)輪廓/繪制輪廓的方法
- python opencv實(shí)現(xiàn)圖像邊緣檢測(cè)
- OpenCV實(shí)現(xiàn)圖像角點(diǎn)檢測(cè)
- OpenCV實(shí)現(xiàn)圖像輪廓檢測(cè)以及外接矩形
- OpenCV實(shí)現(xiàn)圖像的直線(xiàn)檢測(cè)
相關(guān)文章
C語(yǔ)言超詳細(xì)講解函數(shù)棧幀的創(chuàng)建和銷(xiāo)毀
我們知道c語(yǔ)言中函數(shù)都是被調(diào)用的,main函數(shù)里面能調(diào)用其他函數(shù),其實(shí)main函數(shù)也是被別的函數(shù)調(diào)用的,下面通過(guò)本文給大家分享c語(yǔ)言函數(shù)棧幀的創(chuàng)建和銷(xiāo)毀過(guò)程,一起看看吧2022-05-05C字符串操作函數(shù)實(shí)現(xiàn)方法小結(jié)
這篇文章主要介紹了C字符串操作函數(shù)實(shí)現(xiàn)方法,實(shí)例總結(jié)了C語(yǔ)言字符串操作的相關(guān)技巧,非常具有實(shí)用價(jià)值,需要的朋友可以參考下2015-04-04C++實(shí)踐分?jǐn)?shù)類(lèi)中運(yùn)算符重載的方法參考
今天小編就為大家分享一篇關(guān)于C++實(shí)踐分?jǐn)?shù)類(lèi)中運(yùn)算符重載的方法參考,小編覺(jué)得內(nèi)容挺不錯(cuò)的,現(xiàn)在分享給大家,具有很好的參考價(jià)值,需要的朋友一起跟隨小編來(lái)看看吧2019-02-02C++ 關(guān)于MFC List Control 控件的總結(jié)
這篇文章主要介紹了C++ 關(guān)于MFC List Control 控件的總結(jié)的相關(guān)資料,十分的詳細(xì),有需要的朋友可以參考下2015-06-06C語(yǔ)言實(shí)現(xiàn)井字棋游戲(人機(jī)對(duì)弈)
這篇文章主要為大家詳細(xì)介紹了C語(yǔ)言實(shí)現(xiàn)井字棋人機(jī)對(duì)弈游戲,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2022-01-01OpenCV cv.Mat與.txt文件數(shù)據(jù)的讀寫(xiě)操作
這篇文章主要介紹了OpenCV cv.Mat 與 .txt 文件數(shù)據(jù)的讀寫(xiě)操作,現(xiàn)在分享給大家,也給大家做個(gè)參考2018-05-05