形状检测

Question

我尝试过三种算法：

1. 用Compare_ssim进行比较。
2. PIL (ImageChops.difference)法检测差异。
3. 图像减法。

第一种算法：

(score, diff) = compare_ssim(img1, img2, full=True)
diff = (diff * 255).astype("uint8")

第二种算法：

from PIL import Image ,ImageChops
img1=Image.open("canny1.jpg")
img2=Image.open("canny2.jpg")
diff=ImageChops.difference(img1,img2)
if diff.getbbox():
    diff.show()

第三种算法：

image3= cv2.subtract(image1,image2)

问题是这些算法是如此敏感。如果图像有不同的噪声，他们认为这两个图像是完全不同的。有什么办法解决这个问题吗？

Answer 1

这些图片是不同的在许多方面(变形，照明，颜色，形状)和简单的图像处理只是不能处理所有这一切。

我建议采用一种更高层次的方法，以简单的几何图形的形式提取这些管子的几何和颜色。然后比较图表而不是图像。

​

​

我承认，说起来容易做起来难，而且只适用于这种特殊的场景。

Answer 2

这是非常困难的帮助，因为我们真的不知道你可以改变哪些参数，比如你能保持你的相机固定吗？会不会总是管的问题？管子的颜色呢？

尽管如此，我认为您正在寻找的是一个框架的图像配准，我建议您使用SimpleElastix。它主要用于医学图像，因此您可能需要熟悉库SimpleITK。有趣的是，您有很多参数来控制注册。我认为，您必须查看文档，以了解如何控制特定的图像频率，即创建波形和变形图像的频率。此后，我没有将其配置为具有足够的局部失真，您将不得不找到最佳的折衷，但我认为它应该足够灵活。

无论如何，您可以通过下面的代码获得这样的结果，我不知道它是否有帮助，我希望如此：

import cv2
import numpy as np
import matplotlib.pyplot as plt
import SimpleITK as sitk

fixedImage = sitk.ReadImage('1.jpg', sitk.sitkFloat32)
movingImage = sitk.ReadImage('2.jpg', sitk.sitkFloat32)

elastixImageFilter = sitk.ElastixImageFilter()

affine_registration_parameters = sitk.GetDefaultParameterMap('affine')
affine_registration_parameters["NumberOfResolutions"] = ['6']
affine_registration_parameters["WriteResultImage"] = ['false']
affine_registration_parameters["MaximumNumberOfSamplingAttempts"] = ['4']

parameterMapVector = sitk.VectorOfParameterMap()
parameterMapVector.append(affine_registration_parameters)
parameterMapVector.append(sitk.GetDefaultParameterMap("bspline"))

elastixImageFilter.SetFixedImage(fixedImage)
elastixImageFilter.SetMovingImage(movingImage)
elastixImageFilter.SetParameterMap(parameterMapVector)
elastixImageFilter.Execute()

registeredImage = elastixImageFilter.GetResultImage()
transformParameterMap = elastixImageFilter.GetTransformParameterMap()

resultImage = sitk.Subtract(registeredImage, fixedImage)
resultImageNp = np.sqrt(sitk.GetArrayFromImage(resultImage) ** 2)

cv2.imwrite('gray_1.png', sitk.GetArrayFromImage(fixedImage))
cv2.imwrite('gray_2.png', sitk.GetArrayFromImage(movingImage))
cv2.imwrite('gray_2r.png', sitk.GetArrayFromImage(registeredImage))
cv2.imwrite('gray_diff.png', resultImageNp)

您的第一个图像大小调整为256x256：

你的第二张照片：

您的第二张图像与第一张注册：

下面是第一张和第二张照片的区别，它可以显示出什么是不同的：

​

Answer 3

这是图像处理的经典问题之一，而且没有一个普遍适用的答案。可能的答案在很大程度上取决于您所拥有的图像类型、您希望从中提取的信息类型以及它们之间的差异。

你可以通过两种方法来降低噪音: a)拍摄同一物体的几幅图像，这样物体就不会改变。你可以叠加的图像和噪音是减少了平方根的图像数目.( b)你可以在图像上运行模糊过滤器。你越模糊，平均噪音就越大。这里的噪声是通过你平均像素数的平方根来减少的。但是图像中的细节也是如此。

在这两种情况下，(a)和(b)在应用任何一种方法后都会运行差异分析。

可能不适用于你，因为你很可能无法获得:如果你能抓住平面场，给你的相机的光照和像素敏感性的不均匀性，并允许纠正图像之前，任何处理。类似的暗场也是如此，它估计了摄像机读出噪声的影响，并允许对这些图像进行校正。

还有另一个更高层次的第三个选项:首先在一个足够详细的层次上运行您的对象分析。并比较结果。