热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

OpenCV实现低对比度图像脏污区域检测

本文主要介绍了OpenCV实现低对比度图像脏污区域检测,文中通过示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

1. 低对比度图像脏污区域检测

先上图:

图1

请添加图片描述

第一张图如果不是标注结果,我都没有发现脏污区域在哪里,第二张图还清晰一些,基本可以看出来图像靠近左边缘的位置有偏暗的区域,这就是我们所说的脏污区域了,也是我们要检测的区域。

标注结果图:

请添加图片描述

请添加图片描述

2. 实现方法介绍

这里介绍两种实现方法,
第一种是用C++实现参考博文的方法,即利用梯度方法来检测,具体步骤如下:

  • 对图像进行高斯模糊去噪,梯度计算对噪声很敏感;
  • 调用Sobel函数计算图像在x,y方向梯度;
  • 调用convertScaleAbs函数将x,y梯度图像像素值限制在0-255;
  • 调用addWeight函数将x,y梯度图像融合;
  • 调用threshold函数对融合图像进行二值化;
  • 使用先腐蚀、后膨胀的形态学处理方法对二值图像进行非脏污区域过滤;
  • 调用findContours方法查找脏污区域轮廓。

第二种方法是本人根据提高图像对比度思路实现的,具体步骤如下:
8. 对图像进行高斯模糊去噪;
9. 使用局部直方图均衡化方法来提高图像对比度;
10. 使用OTSU二值化阈值方法来粗略分割脏污区域;
11. 对二值图像使用腐蚀的形态学操作过滤掉部分非脏污区域;
12. 调用findContours方法查找脏污区域轮廓。

3. C++源码实现

#include 
#include 
#include 
#include 
#include 
#include 

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:利用梯度变化检测缺陷
	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> contours;
	findContours(mMorph, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

	for (int i = 0; i  200)
		{
			drawContours(mSrc, contours, i, Scalar(0, 0, 255));
		}
	}

	imshow("result1", mSrc.clone());

	//方法2: 利用局部直方图均衡化方法检测缺陷
	Ptr 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> contours2;
	findContours(mMorph2, contours2, RETR_EXTERNAL, CHAIN_APPROX_NONE);

	for (int i = 0; i  200)
		{
			drawContours(mSrc2, contours2, i, Scalar(0, 0, 255));
		}
	}

	imshow("result2", mSrc2);

	waitKey(0);
	destroyAllWindows();

	system("pause");
	return 0;
}

4.结果

梯度方法检测结果:

在这里插入图片描述

在这里插入图片描述

局部直方图均衡化方法检测结果:

在这里插入图片描述

在这里插入图片描述

总结

相对于梯度方法,局部直方图均衡化方法需要特别注意局部窗口大小参数以及阈限值参数的选择,本人也是尝试了多次才达到比较好的效果。再一次体会到传统图像处理的痛处,没有通用的参数适用于所有的应用实例,不同的场景要配置不同的参数才能达到想要的结果。

参考

https://jishuin.proginn.com/p/763bfbd62291

到此这篇关于OpenCV实现低对比度图像脏污区域检测的文章就介绍到这了,更多相关OpenCV图像脏污区域检测内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!


推荐阅读
  • 在Android开发中,使用Picasso库可以实现对网络图片的等比例缩放。本文介绍了使用Picasso库进行图片缩放的方法,并提供了具体的代码实现。通过获取图片的宽高,计算目标宽度和高度,并创建新图实现等比例缩放。 ... [详细]
  • Commit1ced2a7433ea8937a1b260ea65d708f32ca7c95eintroduceda+Clonetraitboundtom ... [详细]
  • Java容器中的compareto方法排序原理解析
    本文从源码解析Java容器中的compareto方法的排序原理,讲解了在使用数组存储数据时的限制以及存储效率的问题。同时提到了Redis的五大数据结构和list、set等知识点,回忆了作者大学时代的Java学习经历。文章以作者做的思维导图作为目录,展示了整个讲解过程。 ... [详细]
  • 本文介绍了OC学习笔记中的@property和@synthesize,包括属性的定义和合成的使用方法。通过示例代码详细讲解了@property和@synthesize的作用和用法。 ... [详细]
  • 本文主要解析了Open judge C16H问题中涉及到的Magical Balls的快速幂和逆元算法,并给出了问题的解析和解决方法。详细介绍了问题的背景和规则,并给出了相应的算法解析和实现步骤。通过本文的解析,读者可以更好地理解和解决Open judge C16H问题中的Magical Balls部分。 ... [详细]
  • 本文介绍了如何在给定的有序字符序列中插入新字符,并保持序列的有序性。通过示例代码演示了插入过程,以及插入后的字符序列。 ... [详细]
  • 1,关于死锁的理解死锁,我们可以简单的理解为是两个线程同时使用同一资源,两个线程又得不到相应的资源而造成永无相互等待的情况。 2,模拟死锁背景介绍:我们创建一个朋友 ... [详细]
  • JDK源码学习之HashTable(附带面试题)的学习笔记
    本文介绍了JDK源码学习之HashTable(附带面试题)的学习笔记,包括HashTable的定义、数据类型、与HashMap的关系和区别。文章提供了干货,并附带了其他相关主题的学习笔记。 ... [详细]
  • 本文介绍了GregorianCalendar类的基本信息,包括它是Calendar的子类,提供了世界上大多数国家使用的标准日历系统。默认情况下,它对应格里高利日历创立时的日期,但可以通过调用setGregorianChange()方法来更改起始日期。同时,文中还提到了GregorianCalendar类为每个日历字段使用的默认值。 ... [详细]
  • 本文讨论了如何优化解决hdu 1003 java题目的动态规划方法,通过分析加法规则和最大和的性质,提出了一种优化的思路。具体方法是,当从1加到n为负时,即sum(1,n)sum(n,s),可以继续加法计算。同时,还考虑了两种特殊情况:都是负数的情况和有0的情况。最后,通过使用Scanner类来获取输入数据。 ... [详细]
  • 本文介绍了九度OnlineJudge中的1002题目“Grading”的解决方法。该题目要求设计一个公平的评分过程,将每个考题分配给3个独立的专家,如果他们的评分不一致,则需要请一位裁判做出最终决定。文章详细描述了评分规则,并给出了解决该问题的程序。 ... [详细]
  • 本文介绍了基于c语言的mcs51单片机定时器计数器的应用教程,包括定时器的设置和计数方法,以及中断函数的使用。同时介绍了定时器应用的举例,包括定时器中断函数的编写和频率值的计算方法。主函数中设置了T0模式和T1计数的初值,并开启了T0和T1的中断,最后启动了CPU中断。 ... [详细]
  • JavaSE笔试题-接口、抽象类、多态等问题解答
    本文解答了JavaSE笔试题中关于接口、抽象类、多态等问题。包括Math类的取整数方法、接口是否可继承、抽象类是否可实现接口、抽象类是否可继承具体类、抽象类中是否可以有静态main方法等问题。同时介绍了面向对象的特征,以及Java中实现多态的机制。 ... [详细]
  • 本文讨论了一个关于cuowu类的问题,作者在使用cuowu类时遇到了错误提示和使用AdjustmentListener的问题。文章提供了16个解决方案,并给出了两个可能导致错误的原因。 ... [详细]
  • 本文介绍了P1651题目的描述和要求,以及计算能搭建的塔的最大高度的方法。通过动态规划和状压技术,将问题转化为求解差值的问题,并定义了相应的状态。最终得出了计算最大高度的解法。 ... [详细]
author-avatar
adfa3sd5f6a
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有