OpenCV實(shí)現(xiàn)低對(duì)比度圖像臟污區(qū)域檢測(cè)
1. 低對(duì)比度圖像臟污區(qū)域檢測(cè)
先上圖:


第一張圖如果不是標(biāo)注結(jié)果,我都沒有發(fā)現(xiàn)臟污區(qū)域在哪里,第二張圖還清晰一些,基本可以看出來圖像靠近左邊緣的位置有偏暗的區(qū)域,這就是我們所說的臟污區(qū)域了,也是我們要檢測(cè)的區(qū)域。
標(biāo)注結(jié)果圖:


2. 實(shí)現(xiàn)方法介紹
這里介紹兩種實(shí)現(xiàn)方法,
第一種是用C++實(shí)現(xiàn)參考博文的方法,即利用梯度方法來檢測(cè),具體步驟如下:
- 對(duì)圖像進(jìn)行高斯模糊去噪,梯度計(jì)算對(duì)噪聲很敏感;
- 調(diào)用Sobel函數(shù)計(jì)算圖像在x,y方向梯度;
- 調(diào)用convertScaleAbs函數(shù)將x,y梯度圖像像素值限制在0-255;
- 調(diào)用addWeight函數(shù)將x,y梯度圖像融合;
- 調(diào)用threshold函數(shù)對(duì)融合圖像進(jìn)行二值化;
- 使用先腐蝕、后膨脹的形態(tài)學(xué)處理方法對(duì)二值圖像進(jìn)行非臟污區(qū)域過濾;
- 調(diào)用findContours方法查找臟污區(qū)域輪廓。
第二種方法是本人根據(jù)提高圖像對(duì)比度思路實(shí)現(xiàn)的,具體步驟如下:
8. 對(duì)圖像進(jìn)行高斯模糊去噪;
9. 使用局部直方圖均衡化方法來提高圖像對(duì)比度;
10. 使用OTSU二值化閾值方法來粗略分割臟污區(qū)域;
11. 對(duì)二值圖像使用腐蝕的形態(tài)學(xué)操作過濾掉部分非臟污區(qū)域;
12. 調(diào)用findContours方法查找臟污區(qū)域輪廓。
3. C++源碼實(shí)現(xiàn)
#include <iostream>
#include <opencv2\imgcodecs.hpp>
#include <opencv2\core.hpp>
#include <opencv2\imgproc.hpp>
#include <opencv2\highgui.hpp>
#include <vector>
int main()
{
using namespace cv;
std::string strImgFile = "C:\\Temp\\common\\Workspace\\Opencv\\images\\led1.jpg";
Mat mSrc = imread(strImgFile);
CV_Assert(mSrc.empty() == false);
Mat mSrc2 = mSrc.clone();
CV_Assert(mSrc2.empty() == false);
Mat mGray;
cvtColor(mSrc, mGray, COLOR_BGR2GRAY);
GaussianBlur(mGray, mGray, Size(5, 5), 1.0);
Mat mGray2 = mGray.clone();
CV_Assert(mGray.empty() == false);
imshow("gray", mGray.clone());
//方法1:利用梯度變化檢測(cè)缺陷
Mat mSobelX, mSobelY;
Sobel(mGray, mSobelX, CV_16S, 1, 0, 7);
Sobel(mGray, mSobelY, CV_16S, 0, 1, 7);
convertScaleAbs(mSobelX, mSobelX);
convertScaleAbs(mSobelY, mSobelY);
Mat mEdge;
addWeighted(mSobelX, 1, mSobelY, 1, 0, mEdge);
imshow("edge", mEdge);
Mat mThresh;
threshold(mEdge, mThresh, 0, 255, THRESH_BINARY | THRESH_OTSU);
imshow("thresh", mThresh);
Mat kernel1 = getStructuringElement(MORPH_RECT, Size(11, 11));
CV_Assert(kernel1.empty() == false);
Mat mMorph;
morphologyEx(mThresh, mMorph, MORPH_ERODE, kernel1);
imshow("erode", mMorph);
Mat kernel2 = getStructuringElement(MORPH_RECT, Size(5, 5));
morphologyEx(mMorph, mMorph, MORPH_DILATE, kernel2);
imshow("dilate", mMorph);
std::vector<std::vector<Point>> contours;
findContours(mMorph, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);
for (int i = 0; i < contours.size(); i++)
{
float area = contourArea(contours[i]);
if (area > 200)
{
drawContours(mSrc, contours, i, Scalar(0, 0, 255));
}
}
imshow("result1", mSrc.clone());
//方法2: 利用局部直方圖均衡化方法檢測(cè)缺陷
Ptr<CLAHE> ptrCLAHE = createCLAHE(20, Size(30, 30));
ptrCLAHE->apply(mGray2, mGray2);
imshow("equalizeHist", mGray2);
Mat mThresh2;
threshold(mGray2, mThresh2, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);
CV_Assert(mThresh2.empty() == false);
imshow("thresh", mThresh2);
Mat kernel2_1 = getStructuringElement(MORPH_RECT, Size(9, 9));
Mat mMorph2;
morphologyEx(mThresh2, mMorph2, MORPH_ERODE, kernel2_1);
CV_Assert(mMorph2.empty() == false);
imshow("morph2", mMorph2);
std::vector<std::vector<Point>> contours2;
findContours(mMorph2, contours2, RETR_EXTERNAL, CHAIN_APPROX_NONE);
for (int i = 0; i < contours2.size(); i++)
{
float area = contourArea(contours2[i]);
if (area > 200)
{
drawContours(mSrc2, contours2, i, Scalar(0, 0, 255));
}
}
imshow("result2", mSrc2);
waitKey(0);
destroyAllWindows();
system("pause");
return 0;
}
4.結(jié)果
梯度方法檢測(cè)結(jié)果:


局部直方圖均衡化方法檢測(cè)結(jié)果:


總結(jié)
相對(duì)于梯度方法,局部直方圖均衡化方法需要特別注意局部窗口大小參數(shù)以及閾限值參數(shù)的選擇,本人也是嘗試了多次才達(dá)到比較好的效果。再一次體會(huì)到傳統(tǒng)圖像處理的痛處,沒有通用的參數(shù)適用于所有的應(yīng)用實(shí)例,不同的場(chǎng)景要配置不同的參數(shù)才能達(dá)到想要的結(jié)果。
參考
https://jishuin.proginn.com/p/763bfbd62291
到此這篇關(guān)于OpenCV實(shí)現(xiàn)低對(duì)比度圖像臟污區(qū)域檢測(cè)的文章就介紹到這了,更多相關(guān)OpenCV圖像臟污區(qū)域檢測(cè)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- Python中OpenCV圖像特征和harris角點(diǎn)檢測(cè)
- Python-OpenCV實(shí)現(xiàn)圖像缺陷檢測(cè)的實(shí)例
- Python+OpenCV圖像處理——實(shí)現(xiàn)直線檢測(cè)
- 使用OpenCV檢測(cè)圖像中的矩形
- opencv python 圖像輪廓/檢測(cè)輪廓/繪制輪廓的方法
- python opencv實(shí)現(xiàn)圖像邊緣檢測(cè)
- OpenCV實(shí)現(xiàn)圖像角點(diǎn)檢測(cè)
- OpenCV實(shí)現(xiàn)圖像輪廓檢測(cè)以及外接矩形
- OpenCV實(shí)現(xiàn)圖像的直線檢測(cè)
相關(guān)文章
C++?opencv利用grabCut算法實(shí)現(xiàn)摳圖示例
這篇文章主要為大家介紹了C++?opencv利用grabCut算法實(shí)現(xiàn)摳圖的代碼示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-05-05
C語言學(xué)習(xí)之指針知識(shí)總結(jié)
想突破C語言的學(xué)習(xí),對(duì)指針的掌握是非常重要的,本文為大家總結(jié)了C語言中指針的相關(guān)知識(shí)點(diǎn),文中的示例代碼講解詳細(xì),感興趣的可以學(xué)習(xí)一下2022-07-07
C++中std::count函數(shù)介紹和使用場(chǎng)景
std::count函數(shù)是一個(gè)非常實(shí)用的算法,它可以幫助我們快速統(tǒng)計(jì)給定值在指定范圍內(nèi)的出現(xiàn)次數(shù),本文主要介紹了C++中std::count函數(shù)介紹和使用場(chǎng)景,感興趣的可以了解一下2024-02-02

