分析:足球的黑斑块和白色块存在很大的颜色差异,因此我们能找到一个很好的界限将白块和黑斑进行分割,即进行阈值分割,通过分割后的二值图我们利用轮廓检测技术找到所有的边界,然后对这些边界进行筛选找出可能与球本身有关联的边界,即黑斑块,然后将所有黑斑块的位置信息进行一个统计处理,计算均值坐标,以均值坐标为界限,在所有筛选后的边界信息中找到极值坐标点,得到我们的球位置坐标
1 输入图片:
2 转换成灰度图并进行二值化:
3 找出轮廓
主要用cv模块中的findContours
4 轮廓过滤
cv模块中的arcLength,contourArea模块为我们提供了方便计算
通过分析发现,有一些轮廓是我们不需要的,因此下面用轮廓筛选法寻找我们的目标轮廓,从轮廓的长度和面积入手,设置一定的阈值进行条件过滤
过滤后的图片如下
5 坐标计算
1首先计算所有轮廓的均值坐标
M e a n x = ∑ i = 1 n c o n t o u r x n , M e a n y = ∑ i = 1 n c o n t o u r y n Mean_x=\frac{\sum_{i=1}^{n}contour_x}{n},Mean_y=\frac{\sum_{i=1}^{n}contour_y}{n} Meanx=n∑i=1ncontourx,Meany=n∑i=1ncontoury
2定位坐标计算
Left=min{{contour_x:contour_x<Mean_x}}
Top=min{{contour_y:contour_y<Mean_y}}
Right=max{{contour_x:contour_x>Mean_x}}
Bottom=max{{contour_y:contour_y>Mean_y}}
6 结果
7 总结
这种方法只适用于颜色较少的目标,尚且不存在通用性,坐标的计算尚且存在待优化的地方,比如给坐标分配权重系数,距离均值坐标越远的权重越小,最后再次做一个均值的计算,最终得出我们的坐标,本方法用了6张测试图片计算iou值,平均IOU为0.82,最低为0.61,最高为0.93,可以看出效果还是比较不错的