我必须根据它们之间的距离连接图像中的附近轮廓,该距离指定是否要连接轮廓。

现在这里已经有一个问题针对相同的问题https://stackoverflow.com / questions / 8973017 / opencv-c-obj-c-connect-nearby-contours,但在这里他将所有轮廓合并为一个轮廓。这个我不要我认为opencv中没有为此功能,但是您可以为此建议一个算法。我的应用程序是这样的:

我正在检测手,所以我使用皮肤检测算法来确定它们,但是由于我的皮肤不是白色,可能是由于某些情况下变亮了,所以在弯头。因此,我希望连接附近的轮廓,但不要全部连接(因为我的两只手都在轮廓中。)(我的意思是从肩膀到手掌。)

此外,我认为通过使用一些边缘检测,我将获得我的手的边界,并检测该边界内的某些补丁是否被检测为皮肤,然后将该边界内的整个区域检测为皮肤,但是我不确定该如何做。

任何帮助将不胜感激。在此先感谢

示例图像:



在此图像中,我想连接点(小于8个像素)的点(8个连通性)距离,这样我的左手就可以成为单个轮廓

我的目标是仅获得手的轮廓(我不在乎任何其他区域)

评论

用手实际上是指武器。不能仅仅调整用于检测皮肤的色相来匹配您的肤色?

我做到了,它可以提供很好的输出(当我的皮肤被照亮时)。因此,在晚上,如图所示。无论如何,我认为可能有某种方法可以连接附近的Blob。

与dsp.stackexchange.com/q/2588/590
相关
欢迎进行堆栈交换。 SE不是论坛!这不是问题的答案。如果您对此问题有疑问,请将其作为注释。

您如何检测皮肤?

#1 楼

如果您不担心手的速度或精确的轮廓,下面是一个简单的解决方案。

方法是这样的:您获取每个轮廓并找到与其他轮廓的距离。如果距离小于50,则它们在附近,您将它们放在一起。如果不是,则将它们放置为不同。

因此检查每个轮廓的距离是一个耗时的过程。需要几秒钟。因此,您不可能实时完成该操作。

此外,为了连接轮廓,我将它们放在一个集合中并为该集合绘制了一个凸包。因此,您得到的结果实际上是凸形的手壳,而不是真实的手。

下面是我在OpenCV-Python中编写的代码。我还没有进行任何优化,只是希望它能正常工作,仅此而已。如果它解决了您的问题,请进行优化。



import cv2
import numpy as np

def find_if_close(cnt1,cnt2):
    row1,row2 = cnt1.shape[0],cnt2.shape[0]
    for i in xrange(row1):
        for j in xrange(row2):
            dist = np.linalg.norm(cnt1[i]-cnt2[j])
            if abs(dist) < 50 :
                return True
            elif i==row1-1 and j==row2-1:
                return False

img = cv2.imread('dspcnt.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray,127,255,0)
contours,hier = cv2.findContours(thresh,cv2.RETR_EXTERNAL,2)

LENGTH = len(contours)
status = np.zeros((LENGTH,1))

for i,cnt1 in enumerate(contours):
    x = i    
    if i != LENGTH-1:
        for j,cnt2 in enumerate(contours[i+1:]):
            x = x+1
            dist = find_if_close(cnt1,cnt2)
            if dist == True:
                val = min(status[i],status[x])
                status[x] = status[i] = val
            else:
                if status[x]==status[i]:
                    status[x] = i+1

unified = []
maximum = int(status.max())+1
for i in xrange(maximum):
    pos = np.where(status==i)[0]
    if pos.size != 0:
        cont = np.vstack(contours[i] for i in pos)
        hull = cv2.convexHull(cont)
        unified.append(hull)

cv2.drawContours(img,unified,-1,(0,255,0),2)
cv2.drawContours(thresh,unified,-1,255,-1)


以下是我得到的结果:





评论


$ \ begingroup $
如何用c ++完成?我已经完成了findContour部分,但是在那之后,我似乎无法将轮廓包裹在如上所示的多边形中(而不是边界矩形)。
$ \ endgroup $
– Elionardo Feliciano
2013年12月10日下午5:30

$ \ begingroup $
我感谢您的方法,并尝试将其应用于我的案例,但是不幸的是,它在Python上的运行速度非常慢(尽管我的笔记本电脑具有Core i7QM和8GB RAM)。我使用MSER来检测区域,现在需要确定哪些区域对是“相邻”的,我尝试使用阈值为10的算法...返回相邻区域需要花费数年的时间。
$ \ endgroup $
–吉姆·雷诺(Jim Raynor)
2014年4月25日在0:12

#2 楼

要解决连接问题,您可以尝试关闭操作:

cv::Mat structuringElement = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(40, 40));
cv::morphologyEx( inputImage, outputImage, cv::MORPH_CLOSE, structuringElement );


我怀疑这会产生所需的结果,但是您可以尝试一下。

#3 楼

您好像在“过度细分”您的图片。正如bjnoernz所建议的,形态学操作会有所帮助。特别是,分水岭方法应该比仅检查距离更接近您想要的方法(如上面的python示例)。参见http://cmm.ensmp.fr/~beucher/wtshed.html。