0
因此,爲了給出問題的背景,我們試圖檢測使用熱相機獲得圖像的車輛的車輪....現在很多次由於雨或其他原因,車輪冷卻下來,它與道路十分相似......例如。用於在類似於圓形圖像處理的背景中檢測圓的方法
在這裏你可以看得很清楚,該輪是非常相似的背景。那麼是否有任何功能或圖像處理技術可用於識別暗輪或將其與背景區分開來。
因此,爲了給出問題的背景,我們試圖檢測使用熱相機獲得圖像的車輛的車輪....現在很多次由於雨或其他原因,車輪冷卻下來,它與道路十分相似......例如。用於在類似於圓形圖像處理的背景中檢測圓的方法
在這裏你可以看得很清楚,該輪是非常相似的背景。那麼是否有任何功能或圖像處理技術可用於識別暗輪或將其與背景區分開來。
嘗試CLAHE。我寫了下面的代碼片段。檢查這有助於你
cv::Mat in_gray;
cvtColor(input, in_gray, CV_BGR2GRAY); //input is your image
Ptr<CLAHE> clahe = createCLAHE();
clahe->setClipLimit(12);
Mat in_clahe;
clahe->apply(in_gray, in_clahe);
以下是此圖像上的結果:
試着改變clipLimit的值。或者你可以嘗試伽馬校正或直方圖均衡技術。 – Jazz
你嘗試自適應閾值? –
不,謝謝你的建議......其精彩的建議 –