激光线检测opencv

Question

我想探测到一个自动系统的激光线。

到目前为止，我的工作是: 1.在rgb通道中分割图像；2.只使用红色通道，因为使用了红色激光线；3.手动获取阈值；4.搜索二进制图像中的值!= 0

对于自动化系统的用例，我不能手动地将其阈值化，有什么想法可以解决这个问题吗？

而且仅仅搜索图像中的最高峰是不够好的，因为阳光的影响。

也许我可以搜索短峰..。因为在激光线的区域内，亮度增加很快，然后在激光线后迅速下降。

我如何在opencv中意识到这一点？

​

​

​

​

​

​

Answer 1

更新的

好的，我看了你最新的照片。我的算法可以归结为以下步骤。

• 在图像中找到最亮的柱(即激光线)
• 在最亮的柱中找到暗隙
• 寻找激光线间隙中最亮的相邻柱

步骤1-在图像中找到最亮的柱(即激光线)

最简单的方法是压缩图像，使其仍然是原来的宽度，但只有一个像素高，有效地平均每个垂直列中的像素。然后应用-auto-level进行对比，将其扩展到0-255的整个范围，阈值为95%，以找到最亮的5%以内的所有列。然后寻找已经阈值化为白色的像素(#ffffff)。这是ImageMagick中的一行，如下所示：

convert http://i.stack.imgur.com/1P1zj.jpg -colorspace gray \
    -resize x1!                                             \
    -auto-level                                             \
    -threshold 95% text: | grep -i ffffff

输出：

297,0: (255,255,255)  #FFFFFF  white
298,0: (255,255,255)  #FFFFFF  white
299,0: (255,255,255)  #FFFFFF  white

所以，我现在知道297-299列是激光线的部分。请注意，如果图片稍微旋转，或者激光不是垂直的，则明亮的列将被分割成多个列。为了抵消这一点，您可以将图像的宽度缩小2到3倍，这样相邻的列往往在较小的图像中合并为一列，然后将该列乘以收缩因子以找到原始位置。

这就完成了步骤1，但是在步骤2之前有一个替代方法。

我将图像分割成1像素宽的列，其中包括：

convert input.png -crop 1x +repage line%d.png

现在，我发现最亮的列(一个具有最高平均亮度)具有：

for f in line*; do m=$(convert -format "%[fx:mean]" $f info:);echo $m:$f ;done | sort -g

这给了

...
...
0.559298:line180.png
0.561051:line185.png
0.561337:line306.png
0.562527:line184.png
0.562939:line183.png
0.584523:line295.png
0.590632:line299.png
0.644543:line296.png
0.671116:line298.png
0.71122:line297.png      <--- brightest column = 297

步骤2-在最亮的列中找到暗隙

现在我取297列，自动调整它，所以最暗的部分变成零，最轻的部分变成白色，然后我否定它。

convert line297.png -colorspace gray -auto-level -threshold 20% -negate txt:

...
0,100: (0,0,0)  #000000  black
0,101: (0,0,0)  #000000  black
0,102: (0,0,0)  #000000  black
0,103: (0,0,0)  #000000  black
0,104: (0,0,0)  #000000  black
0,105: (0,0,0)  #000000  black
0,106: (0,0,0)  #000000  black
0,107: (0,0,0)  #000000  black
0,108: (255,255,255)  #FFFFFF  white  <- gap in laser line
0,109: (255,255,255)  #FFFFFF  white  <- gap in laser line
0,110: (255,255,255)  #FFFFFF  white  <- gap in laser line
0,111: (255,255,255)  #FFFFFF  white  <- gap in laser line
0,112: (0,0,0)  #000000  black
0,113: (0,0,0)  #000000  black
...
0,478: (0,0,0)  #000000  black
0,479: (0,0,0)  #000000  black

步骤3-在激光线中寻找最亮的相邻柱

现在，如果我把这个列和它的两边的每一个列相乘，所有不在激光线间隙中的其他列的所有部分都会变成零，而在激光线的空隙中的所有部分都会被乘以，并且在我穿过第297列的任何一侧的时候，所有的部分都会被相加起来。

因此，我检查列240到340，将每一列与前一步的掩模相乘，看看哪一列在激光线的间隙中最亮：

for i in {240..340} ;do n=$(convert line${i}.png mask.png -compose multiply -composite -format "%[mean]" info:);echo $n:$i ;done | sort -g

产出如下：

458.495:248
466.169:249
468.668:247
498.294:260
502.756:250
536.844:259
557.726:258
564.508:251
624.117:252
627.508:253  <--- column 253 is brightest

然后我可以看到253列是激光线最暗的区域中最亮的。所以移位的线在253列。

我确信在opencv中可以很容易地完成这项技术。

原始答案

我可以告诉您一种方法，但不给您任何opencv代码，因为我倾向于使用ImageMagick。我将图像分割成一系列垂直图像，每幅图像宽1像素，即单像素列。然后，我得到所有列的平均亮度，并能立即看到最亮的列。它运行得很好，下面是我测试算法的方法：

Split image into single pixel columns
convert http://i.stack.imgur.com/vMiU1.jpg -crop 1x +repage line%04d.png

看看我们得到了什么：

ls line*
line0000.png    line0128.png    line0256.png    line0384.png    line0512.png
line0001.png    line0129.png    line0257.png    line0385.png    line0513.png
...
line0126.png    line0254.png    line0382.png    line0510.png    line0638.png
line0127.png    line0255.png    line0383.png    line0511.png    line0639.png

是的，640条垂直线。检查一下一个..。

identify line0639.png 
line0639.png PNG 1x480 1x480+0+0 8-bit sRGB 1.33KB 0.000u 0:00.000

是的，它宽1像素，高480像素。

现在求出所有线条的平均亮度，并按亮度排序：

for f in line*; do m=$(convert -format "%[fx:mean]" $f info:);echo $m:$f ;done | sort -g

输出

0.5151:line0103.png
0.521621:line0104.png
0.527829:line0360.png
0.54699:line0356.png
0.567822:line0355.png
0.752827:line0358.png  <--- highest brightness
0.76616:line0357.png   <--- highest brightness

第357和358栏似乎很容易被识别为你的答案。