我有一个图像分成不同的区域相似,但其中一个有不同的亮度,我必须找出哪些区域有不同的亮度。不同亮度的区域
我在我的C++程序中使用OpenCV库。我将我的图像从RGB转换为HSV空间颜色。然后我测量了每个地区的全球平均值,但似乎并没有我想象的那么强劲。
下面的图像示出了示例:
任何建议?
我有一个图像分成不同的区域相似,但其中一个有不同的亮度,我必须找出哪些区域有不同的亮度。不同亮度的区域
我在我的C++程序中使用OpenCV库。我将我的图像从RGB转换为HSV空间颜色。然后我测量了每个地区的全球平均值,但似乎并没有我想象的那么强劲。
下面的图像示出了示例:
任何建议?
对不起,答案是使用Matlab,但方法应该很容易在C++中实现。
估计亮度通道和在0和1之间的归一化,则可以使用灰色通道,从HSV饱和信道,或者任何可以代表亮度:
L = mat2gray(mean(image, 3));
应用中值滤波器,以除去噪声和图像的黑色文物:
L_blur = medfilt2(L, [10 10]);
使用Otsu的Thresholding计算阈值并应用于图像。这将有可能分裂的直方图两个部分分离明亮,较暗的区域:
output = uint8(repmat(mask, [1 1 3])) .* image;
:
mask = L_blur > graythresh(L_blur);
然后,使用一个简单的元素方式乘法使用生成的二进制掩码来分割图像
就是这样。
这是@Eliezer的great answer的OpenCV中的端口,仅用于完整性。
#include <opencv2/opencv.hpp>
using namespace cv;
int main()
{
Mat3b img = imread("path_to_image");
// Estimate Luminance Channel
Mat1b L(img.rows, img.cols, uchar(0));
for (int r = 0; r < img.rows; ++r)
{
for (int c = 0; c < img.cols; ++c)
{
Vec3b v = img(r,c);
L(r, c) = saturate_cast<uchar>((float(v[0]) + float(v[1]) + float(v[2]))/3.f);
}
}
// Apply a Median Filter
Mat1b L_blur;
medianBlur(L, L_blur, 11);
// Use OTSU threshold
Mat1b mask;
threshold(L_blur, mask, 0, 255, THRESH_BINARY | THRESH_OTSU);
// Segment image
Mat3b output(img.rows, img.cols, Vec3b(0,0,0));
img.copyTo(output, mask);
imshow("Result", output);
waitKey();
return 0;
}
结果:
全球平均?这是什么 ? –
通过提供一系列最小和最大HSV值进行全局阈值处理将是一个更好的选择,请访问此页面,其中有一个程序,它为H,S&V的所有值创建控制窗口并给出结果颜色,颜色与您所需的颜色 – udit043
我的意思是平均在每个地区 – user5780012