在数码照片中，如何检测一座山是否被云遮挡？

Question

问题

我在日本的a mountain数码照片的集合。然而，这座山常常被云雾遮蔽。

我可以使用哪些技术来检测该山是图像中可见？我目前使用Perl的Imager模块，但可以选择。

所有的图像是从完全相同的位置拍摄 - 这些都是一些样品。

Sample Images http://www.freeimagehosting.net/uploads/7304a6e191.jpg

我天真的

我首先花了山锥的几个水平像素样本和亮度值从天空比较其它样品。这很适合于在秋季下雪2.

但是区分良好形象1和坏的形象和山成为比天空更加明亮，像图像3，我的简单的亮度测试启动失败。

图4是一个边缘案例的例子。我将这个分类为一个很好的图像，因为有些山峰清晰可见。

更新1

感谢您的建议 - 我很高兴你们都大大高估了我的能力。

基础上的答案，我已经开始尝试ImageMagick edge-detect变换，这给了我一个更简单的图像进行分析。

convert sample.jpg -edge 1 edge.jpg 

Edge detected samples http://www.freeimagehosting.net/uploads/caa9018d84.jpg

我想我应该用某种遮蔽摆脱树木和大部分云的。

一旦我有蒙面的形象，什么是对的相似性比作“好”形象的最佳方式是什么？我猜“compare”命令适合这项工作？我如何从中获得数值“相似性”值？

更新2

我想可能是某处卷积越来越。

我通过执行边缘了我的“内核”的形象（下图的顶部）检测了良好的形象。然后，我清除了山脉轮廓周围的所有“噪音”，然后将其剪掉。

我然后用下面的代码：

use Image::Magick; 

# Edge detect the test image 
my $test_image = Image::Magick->new; 
$test_image->Read($ARGV[0]); 
$test_image->Quantize(colorspace=>'gray'); 
$test_image->Edge(radius => 1); 

# Load the kernel 
my $kernel_image = Image::Magick->new; 
$kernel_image->Read('kernel-crop.jpg'); 

# Convolve and show the result 
$kernel_image->Convolve(coefficients => [$test_image->GetPixels()]); 
$kernel_image->Display(); 

我跑此关于各种样品的图像，和我的结果如下（卷积图像示每个样品如下）：

（对不起 - 来自上次的不同样本图像！）

alt text http://www.freeimagehosting.net/uploads/f9a5a34980.jpg

现在我想以量化的图像如何 '隆起的' 的。我试图拍摄图像的平均亮度：

$kernel_image->Scale('1x1'); 
die $kernel_image->GetPixel(x=>1,y=>1)[0]; 

但是这给不给有意义的值（0.0165，0.0175和0.0174）。有更好的方法吗？

Answer 1

我觉得你工作得太低。快速通过边缘检测滤波器将图像集非常清晰地分割为（1,3）和（2，4）。特别是如果这些图像来自一个固定的摄像机视点，则在（1）中找到与原型形状相匹配的匹配在算法上相对容易。即使你的（4）的情况可能会给你一个部分匹配的领域，你可以启发式地确定是否有足够的山考虑。

Answer 2

答案取决于问题是如何具体。如果它是来自同一个POV的同一座山峰，则对已知的良好图像进行运行和边缘检测，并将其用作与来自语料库的边缘检测图像进行卷积的基线。如果只是您感兴趣的山脉边缘，请手动从基线中移除其他功能。

Answer 3

一些具体建议，一旦你有什么已经建立：

1. 把你最好的形象（类似图像1），通过边缘检测运行它，打开导致任何图形编辑器（MS油漆将会）并清除除山顶界线（“中国帽子”线）以外的所有东西。这是你的卷积核心。您可以从上面和下面裁剪它（不调整大小！），以节省下一步的时间。
2. 使用从PerlMagick的Convolve功能（你似乎已经习惯于用Perl和ImageMagick的）与一些图像卷积内核。在最终的图像上，您应该看到与内核“正确”位置相对应的尖峰（与图像中的山体重合）。
3. 当山峰更好的可见时，此峰值的相对（与周围噪音水平）高度将会更大。通过拍摄几张具有代表性的图像，您可能可以确定一个阈值，将好的图像与坏的图像分开。
4. 无论你做什么，都会出现误报和误报。做好准备。