使用OpenCV进行动态背景分离和可靠的圆检测

Question

我试图在相似的彩色背景上检测彩色的网球。我使用的OpenCV和C++

这是测试图像我正在与工作： http://i.stack.imgur.com/yXmO4.jpg

我已经使用多个边缘检测器试图; sobel，laplace和canny。三者都检测白线，但当阈值处于可检测网球边缘的值时，输出中的噪声太大。

我也尝试了霍夫圆变换，但是因为它基于canny，所以它不起作用。

我不能使用背景减法，因为背景可以移动。我也无法修改阈值，因为照明条件可能会在网球内产生渐变。

我觉得我唯一的选择是太模板匹配或检测白线，但是我想尽可能避免这种情况。

你有什么建议吗？

Answer 1

我不得不倾斜我的屏幕来自己发现网球。这是一个很难的形象。也就是说，Hough变换的默认OpenCV实现使用了Canny边缘检测器，但它不是唯一可能的实现。对于这些困难的情况，您可能需要自己重新实现。

你肯定可以用不同的边缘检测设置重复运行Hough算法来生成多个候选。除了直接比较候选人之外，您还可以检查每个候选人是否具有主导纹理（在本地阴影校正之后）以及可能的条纹。但如果这些网球实际上在飞行中被捕获，即移动，那可能会非常棘手。

Answer 2

在边缘检测之前，您对彩色图像做什么？简单地将其转换为灰色？

以我的经验，当您使用HSV色彩空间时，五颜六色的球弹出效果最佳。那么你将不得不决定哪个频道给出最好的结果。

也许将图像转换到不同的特征空间可能会更好，然后依靠颜色。也许尝试LBP响应纹理。然后对结果进行PCA以将特征空间减少为1个单通道图像，并尝试Hough变换。