6
私は、砂浜のような騒々しい背景（砂のために騒々しい）のような騒がしい背景で、ゴミやランダムゴミを検出するコンピュータビジョンプログラムを作成しようとしています。ノイズの多い背景で小さなオブジェクトを検出することが困難です。これを修正する方法はありますか？
オリジナル画像：任意の画像処理なし
キャニーエッジ検出：
Iは、画像処理技術の特定の組み合わせは、私は私の目標を達成するのに役立ちますことを実現騒々しい砂の背景を無視し、地上のゴミや物をすべて検出します。
私は遊んで、ぼかしの中央値をプリフォームしようとしたチューニングパラメータを、そしてそれは私にこれを与えた：
それは砂の背景を無視するという点でもプリフォームが、それはいくつかの検出に失敗しますおそらくそれがぼやけている（あまり確かではない）ため、地面にある他の多くの物体のことです。
ノイズの多い砂地の背景を無視し、すべてのオブジェクトを見つけて、すべてのオブジェクトで輪郭を検出して輪郭を描くことができるようにしながら、アルゴリズムや画像処理技術を改善する方法はありますか？
コード：
from pyimagesearch.transform import four_point_transform
from matplotlib import pyplot as plt
import numpy as np
import cv2
import imutils
im = cv2.imread('images/beach_trash_3.jpg')
#cv2.imshow('Original', im)
# Histogram equalization to improve contrast
###
#im = np.fliplr(im)
im = imutils.resize(im, height = 500)
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
# Contour detection
#ret,thresh = cv2.threshold(imgray,127,255,0)
#imgray = cv2.GaussianBlur(imgray, (5, 5), 200)
imgray = cv2.medianBlur(imgray, 11)
cv2.imshow('Blurred', imgray)
'''
hist,bins = np.histogram(imgray.flatten(),256,[0,256])
plt_one = plt.figure(1)
cdf = hist.cumsum()
cdf_normalized = cdf * hist.max()/ cdf.max()
cdf_m = np.ma.masked_equal(cdf,0)
cdf_m = (cdf_m - cdf_m.min())*255/(cdf_m.max()-cdf_m.min())
cdf = np.ma.filled(cdf_m,0).astype('uint8')
imgray = cdf[imgray]
cv2.imshow('Histogram Normalization', imgray)
'''
'''
imgray = cv2.adaptiveThreshold(imgray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\
cv2.THRESH_BINARY,11,2)
'''
thresh = imgray
#imgray = cv2.medianBlur(imgray,5)
#imgray = cv2.Canny(imgray,10,500)
thresh = cv2.Canny(imgray,75,200)
#thresh = imgray
cv2.imshow('Canny', thresh)
contours, hierarchy = cv2.findContours(thresh.copy(),cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cnts = sorted(contours, key = cv2.contourArea, reverse = True)[:5]
test = im.copy()
cv2.drawContours(test, cnts, -1,(0,255,0),2)
cv2.imshow('All contours', test)
print '---------------------------------------------'
##### Code to show each contour #####
main = np.array([[]])
for c in cnts:
epsilon = 0.02*cv2.arcLength(c,True)
approx = cv2.approxPolyDP(c,epsilon,True)
test = im.copy()
cv2.drawContours(test, [approx], -1,(0,255,0),2)
#print 'Contours: ', contours
if len(approx) == 4:
print 'Found rectangle'
print 'Approx.shape: ', approx.shape
print 'Test.shape: ', test.shape
# frame_f = frame_f[y: y+h, x: x+w]
frame_f = test[approx[0,0,1]:approx[2,0,1], approx[0,0,0]:approx[2,0,0]]
print 'frame_f.shape: ', frame_f.shape
main = np.append(main, approx[None,:][None,:])
print 'main: ', main
# Uncomment in order to show all rectangles in image
#cv2.imshow('Show Ya', test)
#print 'Approx: ', approx.shape
#cv2.imshow('Show Ya', frame_f)
cv2.waitKey()
print '---------------------------------------------'
cv2.drawContours(im, cnts, -1,(0,255,0),2)
print main.shape
print main
cv2.imshow('contour-test', im)
cv2.waitKey()
どのアルゴリズムを使用するかについての質問をしているように見えるので、質問が話題にならないかどうかはわかりません。 –
さて、私はそれをupvoted。 –
グレースケール画像ではなく、HSV画像（Hチャンネル）でぼかしとキャニーを試してください。そして/またはメディアンの代わりにバイラテラルフィルターを使用します。 – Micka