图像分割

Question

所以我正在尝试编写一些代码，让我分割下图中看到的保险丝。我提出了两种方法：

1）基于颜色。我使用OpenCV的inRange函数进行阈值处理。除棕色保险丝外，这种方法适用于所有保险丝。棕色保险丝的颜色与保险丝盒本身太相似，因此很难将其分割出来。

2）我认为对图像进行了大量阈值处理，以便我可以使用OpenCV SimpleBlobDetector检测保险丝上的白点/端子。然后我按照彼此的距离过滤出斑点。据我所知，保险丝的大小，我可以过滤掉无效的保险丝。这种方法适用于所有保险丝，但即使是最高阈值的图像也会出现白色保险丝。

我希望我能得到一个如何分割这样一个图像的指针。背景减法会起作用吗？

Answer 1

我对细分的经验是，单一方法通常不适用于难以分割。我，如果一个算法适用于除棕色之外的所有算法，而另一个算法除了白色之外都是有效的，两者的结合应产生完整的结果。我知道有一个优雅的算法是很好的，但我的许多最好的结果不得不求助于多种技术的混合。

我考虑将频道分为rgb和hue，饱和度和值，并分别查看每个频道。有时，颜色看起来非常相似的棕色​​具有显着不同的饱和度或颜色通道值。添加和减去不同的通道有时也可以增强对比度。这很简单，但在很多情况下会产生快速简单的输出，可用于阈值处理，分水岭（见下文）或背景减法。

我想你可能也想试试watershed algorithm。许多examples和explainations都是available。 Watershed要求您提供一个包含背景（保险丝盒和表格）和每个前景对象（保险丝）的面具。据我了解，您已经可以检测到保险丝上的触点，以便完成这件事。

另一种方法是接受你不能看到棕色保险丝。如果您可以检测空插槽和其他每种颜色，您可以通过扣除棕色的位置来了解。

如果没有经过一些实验，它必须事先知道什么会有效，但这应该会给你一些如何改善你所拥有的东西的想法。

Answer 2

C ++中的基本彩色图像分割代码可从https://github.com/imensedave/basic_vision_region_segmentation

获得。

这种方法的窍门是在颜色区域增长之前完成边缘检测。