图像分割
因此，我试图写一些代码，让我分割熔断器，你可以看到在下面的图片。我想出了两种方法：
1)基于颜色。I阈值使用OpenCV的inRange函数。这种方法适用于除棕色保险丝以外的所有引信。棕色的保险丝与熔断器本身的颜色太相似了，因此很难把它分割出来。
2)考虑了图像的阈值化，利用OpenCV SimpleBlobDetector对熔断器上的白点/终端进行检测。然后，我用它们彼此之间的距离来过滤掉这些斑点。由于我知道保险丝的大小，我可以过滤掉无效的保险丝。这种方法适用于所有的熔断器，但白色的熔断器就像它出现在大多数阈值图像中一样。
我希望我能得到一个如何分割这样的图像的指针。背景减法有效吗？
回答 2
Stack Overflow用户
发布于 2015-09-21 16:20:46
我在分割方面的经验是，单一的分割方法常常不适用于困难的分割。如果一种算法适用于除布朗之外的所有算法，而另一种算法只适用于白色，那么两者的结合就会产生一个完整的结果。我知道有一个优雅的算法是很好的，但我的许多最好的结果不得不求助于多种技术的混合。
我会考虑将通道划分为rgb和色调、饱和度和值，并分别查看每个通道。有时，看起来非常相似的棕色有明显不同的饱和度或颜色通道值。加减不同的通道有时也会增强对比度。这是简单的，但在许多情况下产生一个快速和简单的输出，可用于阈值，分水岭(见下文)，或可能背景减法。
我想你可能也想试试分水岭算法。许多示例和解说都是可用。分水岭要求您提供一个掩码，其中包含背景(引信盒和表)和每个前景对象(熔断器)的一块。据我所知，您已经可以检测到引信上的联系人，这样就完成了。
另一种方法是接受你看不到棕色引信。如果您可以检测到空槽和其他颜色，您可以通过推断知道棕色的位置。
它必须事先知道什么会在没有一些实验的情况下起作用，但这应该会给你一些关于如何改进你所拥有的东西的想法。
Stack Overflow用户
发布于 2020-10-15 10:35:16
C++中的基本彩色图像分割代码可在分割上使用。
这种方法的诀窍是在颜色区域生长之前进行边缘检测。
https://stackoverflow.com/questions/32698071
复制相似问题
腾讯云开发者
