可能的重复：如何在航空影像中找到网球场
我正在尝试检测存在于网球场中的网球场航拍图像..
我有以下图像：
我尝试过彩色对其进行图像分割，但没有成功，这会导致不好的结果
：
我应该同样使用哪些技术，请提出建议可以使用Hough变换或分水岭，但是分水岭会导致过度分割，而我得到的结果也不令人满意。
使用自适应阈值进行了尝试：
我尝试过的一些其他事情连接的组件：
输出：
#1 楼
由于您尝试在图像中发现结构，因此最好以灰度工作。这是一个非常好的案例，法院似乎是一个不错的矩形，但是总的来说，法院可能会采用不同的颜色大小和方向。另外，绿色背景上的白线也不是一般规则，例如考虑Roland Garos。
话虽如此，您可以尝试对图像进行阈值处理（您可能需要为此使用自适应阈值）像这样：
然后您就可以遍历图像，创建4或8个相连的像素链。
由于您正在寻找线，因此可以得到每个
此时，图像中的“有趣像素”已转换为一组线模型，其中一些将相交。现在，您可以应用简单的规则来发现哪些线组是相交的（这是一个很好的示例）。
要发现组成网球场的相交线组（这是一个例子）“一组9条线，其中4条以直角相交，另外两条平行于长线，它们在视场宽度的1/8处相交，另外两条平行于短边并且大约1/5从球场的起点开始，第三场在球场中间，并与两个较短的球场相交。” ...换句话说，您将不得不将网球场表示为一组相交的相交线，彼此相对定位（这样您的表达式就没有绝对尺寸了。）
为了很好地应用上述技术，您可以看一下这篇概述图像中镜头代码识别的论文。
有关这些技术的理论背景和更多信息，请参考出色的“使用Matlab进行数字图像处理”，尤其是与您的问题最相关的第10-13章。
希望对您有所帮助。
评论
$ \ begingroup $
此解决方案可能会起作用，但这是非常临时的。使用仿射不变特征和刚性模板注册等更通用的方法可能会简化开发（因为您将能够依赖现有的库），并在将来需要时使您能够更轻松地处理其他结构。
$ \ endgroup $
–static_rtti
2012年10月10日11:45
$ \ begingroup $
我不明白“临时”是怎么来的:-)。它是成熟的图像处理方法的综合，可以处理当前的任务。仿射不变功能仍将使您落后一步。也就是说，您仍然必须将法院表示为一组相对定位的功能。在这种情况下，最好寻找相交的线而不是点（利用给定的知识），刚性模板注册需要大量的“模板”（以有限的角度/比例旋转和缩放），因此可以运行错过某些目标的危险。
$ \ endgroup $
– A_A
2012年10月10日12:03
$ \ begingroup $
刚性变换包括旋转。在这种情况下，我所说的“临时”是指您直接在方法中包括大量假设，这使最终方法对于需求的变化（例如网球场的变化，图像获取方法或需求的变化）脆弱。 （检测游泳池而不是网球场）。
$ \ endgroup $
–static_rtti
2012年4月10日12:06
$ \ begingroup $
我不认为此答案中有很多假设，而且我确实接受某些点需要进一步的工作（例如，拒绝一些“嘈杂”的像素）。这个问题专门针对“网球场”。不是游泳池。顺便说一句，模板注册将返回每个看起来像模板的目标（例如，一个看起来像游泳池但实际上是货车顶部的小补丁）。相交的线/链会拒绝这种情况（有关详细信息，请查看shotcode文件）。 A.I.F和R.T.R一点也不“坏”，但是我不确定它们在这种情况下是否会表现良好。
$ \ endgroup $
– A_A
2012年10月10日12:22
$ \ begingroup $
“模板注册将返回看起来像模板的每个目标”->不，因为您将使用SIFT或类似方法进行检测，而仅将本地模板注册用于粗略的细分。
$ \ endgroup $
–static_rtti
2012年4月10日12:31
#2 楼
您是否要检测它们（找出它们的存在）或对其进行细分（找出它们的精确轮廓）？这是两个非常不同的问题。如果您只想进行检测，我会考虑使用SIFT等图像功能。您可以使用OpenCV轻松地尝试这些方法。
分段是一个完全不同的主题。假设您已使用SIFT大致检测到了球场，则可以使用基于注册的简单方法来更精确地找出球场的位置（通过将模板网球场图像注册到图像中）。然后，您可以使用任何局部优化技术来改善细分。
评论
$ \ begingroup $
我想细分法院..并找到法院所在地的精确位置
$ \ endgroup $
– Vini
2012年4月10日上午11:00
#3 楼
我认为我至少会分两个步骤进行。首先，寻找与网球场长线匹配的线组。
其次，在这些线组的边界内寻找线
如果您愿意，您可以假设所有网球场在绿色背景上都有白线，尽管我不确定这是一个很好的假设。
编辑
实际上，我建议3个步骤。首先是对图像进行二值化处理，我认为我从未见过网球场在浅色背景上有深色线条，因此您可以将问题限制为寻找白色线条。
评论
$ \ begingroup $
是的，我会尝试按照您的建议尝试哪种方法？
$ \ endgroup $
– Vini
2012年4月10日上午11:02
$ \ begingroup $
好吧，霍夫变换非常适合检测图像中的线条。它可能在计算上很昂贵，但是在这种情况下，您可能会限制其操作，因为您要查找的直线很直。如果那还不够好，那么其他答案中会包含一些好的建议。
$ \ endgroup $
–高性能标记
2012年4月10日上午11:06
#4 楼
我认为，如果您可以假设法院将始终具有相同类型的线条标记，那么霍夫变换就是必经之路。首先在图像上运行边缘检测器。然后运行霍夫变换以检测直线。然后查看哪些线彼此平行或垂直，并查看哪些线形成纵横比正确的矩形。为此，您可能需要按图像中的空间接近度对平行线和垂直线进行排序。然后检查矩形内的适当线条。但是，如果相机朝下看时可能会遇到问题，因为这样您将无法获得正确的角度。
#5 楼
我建议以下内容创建一个或多个网球场的模板。使它们为灰度。将这些模板与上图一一对应，然后看哪一个适合下注。这不是最好的方法。最糟糕的方法。
再次创建一个或多个模板。计算模板的SURF功能，并将其与上图匹配。这更加健壮。对图像的偏斜，旋转，透视切割相当宽容。图像中的球场区域将发生匹配。
创建一组Gabor过滤器。匹配应用于以上图像的每个滤波器的响应。对于图像中法院的位置将有特定的回应。那是您的法庭区域。
多做一些工作，您会钉上它:)
评论
$ \ begingroup $
是的，我发现gabor过滤器非常有趣，想尝试一下
$ \ endgroup $
– Vini
2012年10月10日11:01
$ \ begingroup $
@vini，祝您好运，他们可能不擅长歪斜和透视切割。但是请发布您的发现并与我们分享：）
$ \ endgroup $
–瓦吉
2012年10月10日11:04
评论
这是唯一的照片，还是您有一系列的照片？球场是否与图像的X轴和Y轴对齐？是否可以旋转？这些图像是否来自同一高度（使得图像上的球场大小在每张照片上都相似）？提供更多详细信息:)我有许多不同角度的图片
可以从DSP端删除此注释，但就我个人而言，我认为这个问题太好了。
问题是这个问题已经在DSP上提出，正在寻找一些可以采用的替代方法，而不是使用霍夫变换或分水岭
当您关闭副本时，是否可以合并这样的问题？