我正在寻找一种强有力的方法来提取洗衣机前面板的轮廓。或者只需得到4个角点的前面板。我试过颜色掩蔽,但没有找到稳定的结果。以下是一些例子:



发布于 2019-05-29 18:39:48
有三种可能的选择:
theta = (p_1, p_2, p_3, p_4),图像中面板的四个二维位置。我们需要一个能量函数E来最小化wrt theta (例如,使用带动量的梯度下降,或RANSAC)。您可以使用许多术语,就像一些想法一样:
至少其中一些拐角应该是“拐角处”:运行一个简单的角检波器,并定义一个能量E_corner,它惩罚距离最近的拐角的距离。
b.至少有一些边缘(例如,p_1和p_2或p_3之间)应该是“边缘”:使用能量E_edge计算图像M = || \nabla I ||的梯度大小,并强制执行沿面板边缘的M值应该更大。例如,对于沿边缘的x,y,让E_edge(x,y)=1/(1+M(x,y)) (虽然稳健损失在这里更好)。
使用这样的事实:每扇门实际上都是一个投影的三维矩形:例如,参见这个问题。一个有趣的想法是从一个矩形开始(表示面板),而不是回归p_i的参数,而是回归仿射变换的参数,甚至是透视投影变换的参数(尽管这需要算法估计深度),即将起始矩形映射到图像中的矩形。然后,您可以正规化估计变换的参数,以防止不可能的转换被输出。
d.使用矩形中必须包含的内容的知识。例如,给定四个角,您可以确定定义机器圆形门的椭圆。该椭圆内的外观统计数据应该有一定的独特性,以及门边界的边缘/图像梯度;因此,您可以定义一个能量项,鼓励模型选择角,以便内部在白色背景上有一个暗椭圆物体。
总的来说,这种方法类似于蛇,或活动轮廓模型,我认为它可能值得您研究。然而,能量最小化的蛇往往不考虑它们所包围的区域的内部;因此,Mumford-Shah函数的某些变体可能是一个有用的补充(尽管在您的情况下,注意到“门区域”的平滑性并不是完全可取的)。https://stackoverflow.com/questions/56342101
复制相似问题