我正在做一个具有很高精度的实时形状和颜色分类系统 . 看起来我的预处理阶段不够好,结果不如我预期的那么准确 . 这是我正在做的事情:
从相机中获取数据可以裁剪它以获得ROI .
将ROI图像从RGB转换为HSV空间 .
使用中值滤波器来降低HSV图像中的噪声 .
阈值图像
使用扩张和侵蚀来移除图像中的小孔和小物体
使用findContours和approxPolyDP检测方形对象 .
这是我的预处理阶段:
image_cv = cv::cvarrToMat(image_camera);
Mat cropped = image_cv(cv::Rect(0, 190, 640, 110));
imshow("origin", cropped);
Mat croppedCon = CropConveyor(cropped);
cv::cvtColor(croppedCon, croppedCon, CV_RGB2HSV);
medianBlur(croppedCon, croppedCon, 3);
cv::Mat binRect;
cv::inRange(croppedCon, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), binRect);
这是检测方块的代码:
vector> contours;
findContours(binarizedIm, contours, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
vector approx;
for (size_t i = 0; i < contours.size(); i++)
{
//double arclength = arcLength(Mat(contours[i]), true);
approxPolyDP(Mat(contours[i]), approx, 3.245 , true); //0.04 for wood
if (approx.size() != 4) continue;
if (isContourConvex(Mat(approx)) && contourArea(Mat(approx)) > 250)
{
double MaxCos = 0;
for (int j = 2; j < 5; j++)
{
double cos = angle(approx[j % 4], approx[j - 1], approx[j - 2]);
MaxCos = MAX(cos, MaxCos);
}
if (MaxCos < 0.2)
squares.push_back(approx);
}
}
我认为HSV Image中的噪音是主要原因 . 这是一些说明我的问题的图像 . 我在HSV图像中看到了很多噪音,这就是为什么我使用媒体滤镜来减少噪音但保留边缘的原因我认为边缘信息在使用findContours函数时非常重要 . HSV and HSV in separate channels我的问题是:
HSV图像中的噪点是多少,请参考上图,如何提高图像的质量?