पायथन

Question

में ओपनसीवी समोच्च न्यूनतम आयाम स्थान मैं बाहरी दृश्य की चलती वस्तुओं का विश्लेषण करने के लिए पृष्ठभूमि घटाव का उपयोग कर रहा हूं। जब सूर्य निकलता है तो मुझे छाया के साथ समस्या होती है। मैं वस्तुओं को अलग करने के लिए contours का उपयोग कर रहा हूँ। फिलहाल मैं समोच्च के शीर्ष आधे हिस्से का विश्लेषण करता हूं क्योंकि छाया आमतौर पर नीचे आधे हिस्से में होती है।

एक रबड़ बतख के एक समोच्च की कल्पना करो, मैं क्या करना चाहता हूं कि बतख की गर्दन की वाई स्थिति को ढूंढना, जहां समोच्च अपने न्यूनतम क्षैतिज आयाम पर है। क्या कोई मुझे "बतख की गर्दन" को खोजने के लिए सही दिशा में इंगित कर सकता है?

कोड में, binary गतिशील वस्तुओं, HIGHT और WIDTH ऊंचाई और छवि की चौड़ाई की एक सीमा छवि है, lab प्रयोगशाला रंग अंतरिक्ष में एक ही छवि है।

मैं half = int(h/2) लाइन को "बतख गर्दन" को काटने के लिए क्षैतिज रेखा की वाई स्थिति खोजने के लिए एक फ़ंक्शन के साथ प्रतिस्थापित करना चाहता हूं।

_,contours,_ = cv2.findContours(binary.copy(), cv2.RETR_EXTERNAL, 
          cv2.CHAIN_APPROX_SIMPLE) 

# loop over the contours 
for i, cnt in enumerate(contours): 

    # compute the bounding box for the contour 
    (x, y, w, h) = cv2.boundingRect(cnt) 

    # reject contours outside size range 
    if w > 250 or w < 30 or h > 250 or h < 30 : 
      continue 

    # make sure the box is inside the frame 
    if x <= 0 or y <= 0 or x+w >= (WIDTH -1) or y+h >= (HIGHT -1): 
      continue 

    # isolate feature 
    half = int(h/2) 
    roi = lab[y:y+half, x:x+w] 
    mask = binary[y:y+half, x:x+w] 

    # calculate the mean of the colour 
    mean = cv2.mean(roi, mask = mask) 
    # note: mean is L a b 
    L = int(mean[0]) 
    a = int(mean[1]) 
    b = int(mean[2]) 
    print L,a,b 

मैं opencv 3 और अजगर 2,7

पी.एस. उपयोग कर रहा हूँ मैंने बैकग्राउंड सबट्रैक्टर एमओजी 2 की कोशिश की है जिसे छाया की पहचान करने के लिए कहा जाता है लेकिन यह मेरे उपयोग के लिए शोर का तरीका है और व्यवहार्य नहीं है।

Answer 1

आप छवि को मिटाने के लिए एक मुखौटा परिभाषित कर सकते हैं, ताकि आप घाटी से ऊपर और नीचे ब्लब्स तोड़ सकें। आप इसे अपने कोड पर निम्नलिखित के रूप में लागू कर सकते हैं:

# loop over the contours 
for i, cnt in enumerate(contours): 

    # compute the bounding box for the contour 
    (x, y, w, h) = cv2.boundingRect(cnt) 

    # reject contours outside size range 
    if w > 250 or w < 30 or h > 250 or h < 30 : 
      continue 

    # make sure the box is inside the frame 
    if x <= 0 or y <= 0 or x+w >= (WIDTH -1) or y+h >= (HIGHT -1): 
      continue 

    # --------------- 
    # create a mask for erosion, you can play with the mask size/shape 
    mask = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5)) 
    # erode the original image 
    eroded_img = cv2.erode(binary,mask,iterations = 1) 
    cv2.imshow("Eroded image",eroded_img) 
    # find the middle of the two new contours 
    _,new_contours,_ = cv2.findContours(eroded_img, cv2.RETR_EXTERNAL, 
         cv2.CHAIN_APPROX_SIMPLE) 
    (_, y_t, _, h_t) = cv2.boundingRect(new_contours[0]) 
    (_, y_b, _, h_b) = cv2.boundingRect(new_contours[1]) 
    bottom_top_y = max(y_t, y_b) # highest y of bottom part 
    top_bottom_y = min(y_t+h_t, y_b+h_b) # lowest y of top part 
    half = top_bottom_y + (bottom_top_y - top_bottom_y)/2 
    # ------------ 

    # isolate feature 
    roi = lab[y:y+half, x:x+w] 
    mask = binary[y:y+half, x:x+w] 

    # calculate the mean of the colour 
    mean = cv2.mean(roi, mask = mask) 
    # note: mean is L a b 
    L = int(mean[0]) 
    a = int(mean[1]) 
    b = int(mean[2]) 
    print L,a,b 

आशा है कि इससे मदद मिलती है! द्विआधारी छवियों पर मोर्फोलॉजिकल ऑपरेशंस पर अधिक उदाहरणों के लिए, आप here देख सकते हैं।