目标检测+分割

Question

我正在努力寻找一种可以接受的复杂性的有效方法

surroundings

• segment

• 检测图像中的一个对象，这样我就可以将它与它的子部分中的对象隔离开来，并给它们贴上标签，这样我就可以在

上获取它们了。

自从我进入图像处理领域已经有三个星期了，我已经读到了这么多算法(sift，蛇类，更多的蛇，与傅立叶相关的，等等)，我不知道从哪里开始，哪一个是我想要达到的目标的“最佳”。考虑到感兴趣的图像数据集是一个相当大的数据集，我甚至不知道是否应该使用在OpenCV中实现的某些算法，或者是否应该实现自己的算法。

摘要：

• ，我应该关注哪种方法？为什么？
• ，我应该用OpenCV来做这种事情，还是还有其他的“更好”的OpenCV

提前谢谢你。

编辑--关于数据集的更多信息

每个数据集包含80K共享相同产品的图像。

shoes

• size

• orientation ( them)

• background的90% (95% )

)

显然，除了产品本身之外，每个数据集中的所有图片看起来几乎是相同的。为了使事情更清楚一些，让我们只考虑“观察数据集”：

片场里的所有照片看起来几乎都是这样的：

​

​

(再一次，除了表本身)。我想拔掉表带和表盘。事情是有很多不同的手表风格，因此形状。据我目前所读，我认为我需要一个模板算法，允许弯曲和伸展，以便能够匹配不同风格的带子和刻度盘。

与其创建三个不同的模板(表带的上部、表带的下部、刻度盘)，只创建一个并将其分割成3个部分是合理的。这样，我就有足够的信心，因为每个部分都是针对对方的，例如，表盘不会在表带下部下面被检测到。

从我所遇到的所有算法/方法来看，active shape shape外观模型似乎是最有希望的模型。不幸的是，我还没有找到一个下降实现，而且我也没有足够的信心，认为这是最好的方法，以便自己编写一个。

如果有人能指出我真正应该寻找的东西(算法/启发式/库/等等)，我将不胜感激。如果你再一次认为我的描述有点模糊，那就随便问一个更详细的。

Answer 1

根据你所说的，下面是一些乍一看会出现的东西：

• 最简单的方法是使用OpenCV或CvBlob库进行图像二值化和连接组件。对于具有非复杂背景的简单图像，通常使用

对象。

• HOwever，看看你的样本图像，基于纹理的分割技术可能会更好--手表表盘、背带和背景在纹理/粗糙度上都有明智的变化，这可能是将它们分开的理想方法。

通过本征变换可以很容易地找到一部分的粗糙度(在SO上解释一点，检查到研究论文的链接)，然后将均值移位滤波器应用到本征变换的输出上。这将使区域根据纹理清晰地分开。金字塔均值偏移和通过SVD查找特征值都是在OpenCV中实现的，因此，除非您能够优化自己的代码，否则就速度和效率而言，使用内置函数(如果存在的话)会更好(而且更容易)。

Answer 2

我想我会把问题扭转过来的。我会使用一组健壮的功能，从手表到将目标图像“缝合”到模板上，而不是寻找刻度盘。第一只手表在表盘上有一组白色的方块，第二只手表有一些白色的圆圈。我想每种类型的手表：

• 分割出刻度盘中的正方形或圆圈。分割步骤可能是棘手的，因为它们通常都是比例和光dependent
• Estimate，中心或角的上述发现的特征区域。这些是新的特征点，
• 使用匈牙利算法来匹配模板表和目标表之间的特征。另外，我们可以利用原始图像中每个特征点的环境，利用模板和目标之间的交叉correlation
• Use匹配特征来估计缩放、旋转和translation
• Stitch图像
• ，因为图像现在是以一种已知的形式存在，人们可以简单地通过预先设置的坐标

来提取区域。