OpenCV - Blob/缺陷/异常检测

Question

我正在做一个在家项目，基本上只是为了好玩，但我有更多的麻烦比预期。我希望能够在这个样本图像中找到音高标记。在这里输入图像描述

我遵循了一些教程和东西，从一个位置加载图像，并在图像上运行简单的blob检测。我的代码当前如下所示：->

import cv2
import numpy as np

# Read in the image in grayscale
img = cv2.imread('/home/pi/Downloads/divot1.jpeg', cv2.IMREAD_GRAYSCALE)

params = cv2.SimpleBlobDetector_Params()
params.filterByArea = True
params.minArea = 50

# Determine which openCV version were using
if cv2.__version__.startswith('2.'):
    detector = cv2.SimpleBlobDetector(params)
else:
    detector = cv2.SimpleBlobDetector_create(params)

# Detect the blobs in the image
keypoints = detector.detect(img)
print(len(keypoints))

# Draw detected keypoints as red circles
imgKeyPoints = cv2.drawKeypoints(img, keypoints, np.array([]), (0,0,255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)


# Display found keypoints
cv2.imshow("Keypoints", imgKeyPoints)
cv2.waitKey(0)

cv2.destroyAllWindows()

我知道在使用openCV时有更多的图像处理技术，但我希望有人能为我指明正确的方向。我试过了一些东西，比如不同的模糊类型，以消除每一片草的“噪音”。我也尝试了一些参数，虽然我不确定我使用的参数是否有帮助(min/maxAREA，颜色，凸性)

最终的目标是能够在图像中找到深棕色的异常，并返回该形状的中心“坐标”。

Answer 1

还没人提到模糊所以我会的。

草的细节相当于噪音，无论你如何处理这张照片，都会让你感到困扰。模糊它。

编辑:因为我被要求提供一些参数--“较少”的方法：

突出性。

或者好的旧统计数据。

im = cv.imread("green-blurred.jpg")
yuv = cv.cvtColor(im, cv.COLOR_BGR2YCrCb) # or COLOR_BGR2YUV, should work equivalently here
#uv = yuv[:,:,(2,3)]
mean = np.mean(yuv, axis=(0,1))
std = np.std(yuv, axis=(0,1))
#mask = ((yuv - mean) / std >= 4.5).any(axis=2)
# EDIT: there needs to be an abs() on that difference, we want magnitudes, no signs
mask = (np.abs(yuv - mean) / std >= 4.5).any(axis=2)
mask_u8 = mask.astype(np.uint8) * 255
#grayscale = (np.abs(yuv - mean) / std / 5).max(axis=2)
cv.imshow("mask", mask_u8)
cv.waitKey(-1)

这不是一个完美的方法，但很可能会被调整。

​

​

​

​

使用您喜欢的任何地方的blob。findContours将是一个简单的选择。使用cv::moments获取一些统计数据，您可以将其转化为一个质心(质量中心)。

Answer 2

对不起，我没有时间去实现它，但是对于这个特殊的情况，这样的事情应该有效：

1. 谷歌为“颜色选择器”，并找到正确的HSV范围的颜色。对于这个棕色，看起来你想要一个从20度到40度的范围。
2. 将图像转换为HSV颜色空间。hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
3. 使用cv2.inRange创建棕色斑点所在位置的掩码。掩码= cv2.inRange(hsv_img, (20,0,0), (40,255,255))
4. 将您的面具转换为黑白图像。img2 = np.where(mask, np.uint8(255), np.uint8(0))
5. 使用cv2.findContos查找棕色斑点。contours,_ = cv2.findContours(img2, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
6. 找到最大的位置。brown_spot = sorted(contours, key=cv2.contourArea, reverse=True)[0]
7. 画等高线。cv2.drawContours(img, [brown_spot], -1, (255,0,0), 3)

也许我错过了一些东西，或者在这方面有一些错误，但我认为你可以在这里玩一玩，然后从这里拿出来:)

编辑--我忽略了需要中心坐标的部分。如果你想要褐斑的质心，得到所有x坐标的平均x坐标和所有y坐标的平均y坐标。那应该是你的质心坐标。如果我没记错的话，轮廓上有一个额外的维度，你可能需要用np.squeeze删除。在这样做之后，您可以得到np.mean(brown_spot:,0)的y坐标平均值(第一列)和np.mean(brown_spot:,1)的x坐标平均值(第二列)。Cv2. finds只找到周长，间距不一致，所以你的质量中心可能有点偏离。如果您想要一个更精确的质量中心(或者也要说明褐斑内的空区域)，您必须使用connectedComponents而不是findContours。