用OpenCV檢測檯球

我正在製作一個android應用程序，它能夠拍攝正在進行的檯球遊戲的圖像並檢測各種球的位置。圖片是從某人的手機拍攝的，所以當然我沒有桌面的完美俯視圖。現在我正在用houghcircles來找球，而且它做得很好，但它似乎錯過了幾個球，然後就有誤報。用OpenCV檢測檯球

我現在最大的問題是，我該如何減少在表格外發現的誤報？我使用ROI來切斷圖像的頂部，因爲它主要是浪費空間，但我無法將它縮小，或者我可能會切掉桌子的一部分，因爲它是梯形形狀。我目前的想法是覆蓋用戶在圖像頂部拍攝圖片時看到的指南，但問題是我不知道他們的相機的分辨率會是什麼，因此覆蓋層可能會覆蓋出錯點。理想情況下，我想我會想使用houghlines，但是當我嘗試它時，我的應用程序因我認爲內存不足而崩潰。有任何想法嗎？

下面是我得到的結果中的鏈接：

http://graphiquest.com/cvhoughcircles.html

這裏是我的代碼：

IplImage img = cvLoadImage("/sdcard/DCIM/test/picture"+i+".jpg",1); 
    IplImage gray = opencv_core.cvCreateImage(opencv_core.cvSize(img.width(), img.height()), opencv_core.IPL_DEPTH_8U, 1); 

    cvCvtColor(img, gray, opencv_imgproc.CV_RGB2GRAY); 
    cvSetImageROI(gray, cvRect(0, (int)(img.height()*.15), (int)img.width(), (int)(img.height()-(img.height()*.20)))); 


    cvSmooth(gray,gray,opencv_imgproc.CV_GAUSSIAN,9,9,2,2); 

    Pointer circles = CvMemStorage.create();   
    CvSeq seq = cvHoughCircles(gray, circles, CV_HOUGH_GRADIENT, 2.5d, (double)gray.height()/30, 70d, 100d, 0, 80); 

    for(int j=0; j<seq.total(); j++){ 
     CvPoint3D32f point = new CvPoint3D32f(cvGetSeqElem(seq, j)); 

     float xyr[] = {point.x(),point.y(),point.z()}; 
     CvPoint center = new CvPoint(Math.round(xyr[0]), Math.round(xyr[1])); 

     int radius = Math.round(xyr[2]); 
     cvCircle(gray, center, 3, CvScalar.GREEN, -1, 8, 0); 
     cvCircle(gray, center, radius, CvScalar.BLUE, 3, 8, 0); 
    } 
    String path = "/sdcard/DCIM/test/"; 
    File photo=new File(path, "picture"+i+"_2.jpg"); 

    if (photo.exists()) 
    { 
     photo.delete(); 
    } 
    cvSaveImage("/sdcard/DCIM/test/picture"+i+"_2.jpg", gray);

來源

2011-11-17 vince88

嘿vince88。你有沒有完成這個項目？你是否開源代碼？我只是自己開始做類似的事情。 – m1ket

有一些你可以申請非常有幫助的約束。除了做一個感興趣的矩形區域之外，還應該使用檯面的實際梯形形狀來掩蓋結果。使用圖像的顏色信息來查找池表區域。你知道檯球桌是純色的。它不一定是綠色的 - 你可以在HSV顏色空間中使用一些histogram技術來找到圖像中最流行的顏色，也許有利於像素朝向中心。它很可能檢測到池表的顏色。選擇與此顏色匹配的像素，執行形態學操作以去除噪點，然後可以將蒙版作爲輪廓對待，並找到其convexHull。填充船體去除由水池球產生的孔。

我到目前爲止所說的應該會提出一個比霍夫圈子更好的方法。由於檯球沒有均勻地照亮，所以Hough圈可能不太好。所以，另一種查找檯球的方法是從其凸凸圖中減去檯球桌顏色掩模。你會留下桌子被球遮擋的區域。

來源

2011-11-17 08:03:05

感謝您的建議，這很有意義。儘管我一般對OpenCV和圖像處理都很陌生，但我必須做更多的研究。你建議什麼樣的形態學操作？像高斯模糊的東西？另外，如果桌子沒有均勻照明，是否重要？ – vince88

我剛剛意識到這種方法會使檢測聚集在一起的球的位置更加困難。他們只會成爲一個大塊頭，對吧？ – vince88

是的，這就是爲什麼我不建議完全放棄Hough圈子。也許你可以結合使用這些方法。你可以嘗試一些基本的分割技術來分離簇。 –

我也考慮過關於這個問題的工作，因爲我打檯球和斯諾克。

的幾點：

從霍夫圓擬合來看，它看起來像你不過濾邊緣點，或您對邊緣強度門檻還不夠高。你是簡單地使用邊緣點的二進制指示符，還是基於邊緣強度選擇邊緣點？
你能在RGB空間工作嗎？這有助於檢測臺牀，導軌以及識別球。桌子上的一個藍色斑點可能是2球，10球或白堊。
在您的參數空間中，您應該能夠限制搜索非常有限半徑的圓圈。如果...
檢測工作臺表面和導軌，部分幫助。行程寬度轉換可以幫助您找到導軌，尤其是在軌道具有高對比度的顏色平面（綠色）中搜索時。您還可以使用六個口袋（或至少三個口袋）來幫助識別桌子的姿勢（位置和方向）。
一旦檢測到導軌，您可以使用仿射變換來校正透視失真。無論如何，您都需要這樣做，以便以任何準確的方式放置球，特別是如果您希望放置球來滿足一名嚴重的水池球員，例如玩一個口袋或直接水池的人。一旦你有仿射變換，你可以在你的Hough參數空間中爲半徑設置相當嚴格的公差。
一旦檢測到牀臺，您可以執行初始分段（即區域標記或blob查找），並僅搜索特定區域和圓度的斑點。
強烈，均勻，漫射的頭燈可以幫助消除陰影。
您可以通過接受（或至少偏袒）具有梯度的邊緣點來幫助過濾邊緣點，這些邊緣點具有指向具有平行梯度的其他邊緣點的梯度。如果邊緣點對的局部集合通過它們的邊緣梯度彼此「指向」，則它們是檢測的良好候選者。
一旦你發現了一個候選球，進行進一步處理接受/拒絕。一個球應該是一個相對均勻的色調（母球，1 - 8，或從正確的角度來看一個條紋），或者它應該有一個可檢測的彩色條紋和白色。球表面不會像桌子的木紋那樣具有高度紋理。
有一個選項，用戶可以從稍微不同的角度拍攝兩張圖片。然後你有兩次找到球的機會，並且可以想象地解決兩個圖像中匹配桌子和球的通信問題，以幫助將球定位在桌子牀的2D空間中。
考慮使用第二種算法，如標準化互相關（簡單模板匹配）來幫助識別球或至少可能的球位置。
堅持圖像的中心點位於牀臺內的某個位置。這可以幫助您識別導軌的位置，因爲您可以徑向向外搜索導軌的邊緣，一旦找到四個（甚至是三個）導軌，您可以拒絕超出它們的徑向距離的邊緣點。

祝你好運！這是一個有趣的問題。

編輯： 我正在閱讀另一個StackOverflow帖子和閱讀有關本文。這篇論文將給你一個更徹底的介紹，我介紹了我建議過濾邊緣點的技巧（第8項）。

「快速圓檢測採用梯度對矢量」由RAD，Faez和Qaragozlou http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.121.9956

我還沒有實現他們的算法自己還，但它看起來很有希望。以下是論文提及的帖子：

Three Dimensional Hough Space

來源

2012-01-01 03:23:12 Rethunk

用OpenCV檢測檯球

回答

相關問題