Android OpenCV速度交通标志检测

我在使用Android版opencv 2.4检测速度交通标志时遇到问题。 我做了以下工作：

“捕获帧->将其转换为HSV->提取红色区域->使用椭圆检测检测标志”

到目前为止，椭圆检测工作完美，只要图片质量好。 但正如你们在下面的图片中看到的，我认为，由于画框质量差，红色提取不起作用

将原始图像转换为HSV:

Imgproc.cvtColor(this.source, this.source, Imgproc.COLOR_RGB2HSV, 3);

Core.inRange(this.source, new Scalar(this.h,this.s,this.v), new Scalar(230,180,180), this.source);

private void findEllipses(Mat input){
Mat thresholdOutput = new Mat();
int thresh = 150;

List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
MatOfInt4 hierarchy = new MatOfInt4();

Imgproc.threshold(source, thresholdOutput, thresh, 255, Imgproc.THRESH_BINARY);
//Imgproc.Canny(source, thresholdOutput, 50, 180);
Imgproc.findContours(source, contours, hierarchy, Imgproc.RETR_LIST, Imgproc.CHAIN_APPROX_SIMPLE);
RotatedRect minEllipse[] = new RotatedRect[contours.size()];

for(int i=0; i<contours.size();i++){
    MatOfPoint2f temp=new MatOfPoint2f(contours.get(i).toArray());

    if(temp.size().height > minEllipseSize && temp.size().height < maxEllipseSize){
        double a = Imgproc.fitEllipse(temp).size.height;
        double b = Imgproc.fitEllipse(temp).size.width;
        if(Math.abs(a - b) < 10)
            minEllipse[i] = Imgproc.fitEllipse(temp);
    }
}
detectedObjects.clear();
for( int i = 0; i< contours.size(); i++ ){
    Scalar color = new Scalar(180, 255, 180);
    if(minEllipse[i] != null){
        detectedObjects.add(new DetectedObject(minEllipse[i].center));
        DetectedObject detectedObj = new DetectedObject(minEllipse[i].center);
        Core.ellipse(source, minEllipse[i], color, 2, 8);
    }
}

提取红色：

Imgproc.cvtColor(this.source, this.source, Imgproc.COLOR_RGB2HSV, 3);

Core.inRange(this.source, new Scalar(this.h,this.s,this.v), new Scalar(230,180,180), this.source);

private void findEllipses(Mat input){
Mat thresholdOutput = new Mat();
int thresh = 150;

List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
MatOfInt4 hierarchy = new MatOfInt4();

Imgproc.threshold(source, thresholdOutput, thresh, 255, Imgproc.THRESH_BINARY);
//Imgproc.Canny(source, thresholdOutput, 50, 180);
Imgproc.findContours(source, contours, hierarchy, Imgproc.RETR_LIST, Imgproc.CHAIN_APPROX_SIMPLE);
RotatedRect minEllipse[] = new RotatedRect[contours.size()];

for(int i=0; i<contours.size();i++){
    MatOfPoint2f temp=new MatOfPoint2f(contours.get(i).toArray());

    if(temp.size().height > minEllipseSize && temp.size().height < maxEllipseSize){
        double a = Imgproc.fitEllipse(temp).size.height;
        double b = Imgproc.fitEllipse(temp).size.width;
        if(Math.abs(a - b) < 10)
            minEllipse[i] = Imgproc.fitEllipse(temp);
    }
}
detectedObjects.clear();
for( int i = 0; i< contours.size(); i++ ){
    Scalar color = new Scalar(180, 255, 180);
    if(minEllipse[i] != null){
        detectedObjects.add(new DetectedObject(minEllipse[i].center));
        DetectedObject detectedObj = new DetectedObject(minEllipse[i].center);
        Core.ellipse(source, minEllipse[i], color, 2, 8);
    }
}

所以我的问题是，有没有其他方法可以检测像这样的交通标志，或者从中提取红色区域，顺便说一句，红色区域可能非常微弱，就像上一张图片一样？

这是原始图像：

这将转换为HSV，因为您可以看到红色区域与附近树木的颜色相同。这就是为什么我应该知道它是红色的，但我不能

转换为HSV:

这是用红色提取的。若颜色是正确的，我应该得到几乎完美的圆形/椭圆围绕符号，但由于错误的颜色，它是不完整的

提取后的结果：

椭圆方法：

Imgproc.cvtColor(this.source, this.source, Imgproc.COLOR_RGB2HSV, 3);

Core.inRange(this.source, new Scalar(this.h,this.s,this.v), new Scalar(230,180,180), this.source);

private void findEllipses(Mat input){
Mat thresholdOutput = new Mat();
int thresh = 150;

List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
MatOfInt4 hierarchy = new MatOfInt4();

Imgproc.threshold(source, thresholdOutput, thresh, 255, Imgproc.THRESH_BINARY);
//Imgproc.Canny(source, thresholdOutput, 50, 180);
Imgproc.findContours(source, contours, hierarchy, Imgproc.RETR_LIST, Imgproc.CHAIN_APPROX_SIMPLE);
RotatedRect minEllipse[] = new RotatedRect[contours.size()];

for(int i=0; i<contours.size();i++){
    MatOfPoint2f temp=new MatOfPoint2f(contours.get(i).toArray());

    if(temp.size().height > minEllipseSize && temp.size().height < maxEllipseSize){
        double a = Imgproc.fitEllipse(temp).size.height;
        double b = Imgproc.fitEllipse(temp).size.width;
        if(Math.abs(a - b) < 10)
            minEllipse[i] = Imgproc.fitEllipse(temp);
    }
}
detectedObjects.clear();
for( int i = 0; i< contours.size(); i++ ){
    Scalar color = new Scalar(180, 255, 180);
    if(minEllipse[i] != null){
        detectedObjects.add(new DetectedObject(minEllipse[i].center));
        DetectedObject detectedObj = new DetectedObject(minEllipse[i].center);
        Core.ellipse(source, minEllipse[i], color, 2, 8);
    }
}

private void findEllipses（Mat输入）{
Mat阈值输出=新Mat（）；
int thresh=150；
列表等高线=新的ArrayList（）；
MatOfInt4层次结构=新的MatOfInt4（）；
Imgproc.threshold（源，thresholdOutput，threshold，255，Imgproc.threshold\u二进制）；
//Imgproc.Canny（源，阈值输出，50，180）；
Imgproc.findContours（源、轮廓、层次、Imgproc.RETR\u列表、Imgproc.CHAIN\u近似\u简单）；
RotatedRect minEllipse[]=新的RotatedRect[contours.size（）]；
对于（int i=0；i minellipseize&&temp.size（）.height

}

问题符号：

您可以查阅交通标志检测方法和步骤

您将看到有两种方法可以实现这一点：

基于颜色（如您现在所做的）

基于形状

根据我的经验，我发现基于形状的方法非常有效，因为在不同的照明条件、相机质量等条件下，颜色可能会发生很大变化

因为你需要检测速度交通标志，我假设它总是圆形的，你可以使用椭圆检测器来找到你图像中的所有圆形物体，然后应用一些验证来确定它是否是交通标志

为什么要检测椭圆

既然你在找透视扭曲的圆，实际上你在找椭圆。实时椭圆检测是一个有趣（尽管有限）的研究课题。我将向您指出2篇有C++源代码的论文（可以通过本地JNI调用在您的应用程序中使用）：

L.Libuda，I.Grothues，K.-F.Kraiss，数字图像中的椭圆检测 使用几何特征的数据，见：J.Braz，A.Ranchordas，H.Arajo， J.Jorge（编辑），《计算机图形学和计算机视觉的进展》， 计算机与信息科学通信第4卷， 施普林格柏林海德堡，2007年，第229-239页

M.Fornaciari，A.Prati，R.Cucchiara， “用于嵌入式视觉应用的快速有效椭圆检测器”，模式识别，2014

---

更新

我在没有任何预处理的情况下尝试了这个方法。您可以看到，至少红色边框的标志检测得非常好：

私有无效findEllipses（Mat输入）{
Mat阈值输出=新Mat（）；
int thresh=150；
列表等高线=新的ArrayList（）；
MatOfInt4层次结构=新的MatOfInt4（）；
Imgproc.threshold（源，thresholdOutput，threshold，255，Imgproc.threshold\u二进制）；
//Imgproc.Canny（源，阈值输出，50，180）；
Imgproc.findContours（源、轮廓、层次、Imgproc.RETR\u列表、Imgproc.CHAIN\u近似\u简单）；
//源=阈值输出；
RotatedRect minEllipse[]=新的RotatedRect[contours.size（）]；
对于（int i=0；i minellipseize&&temp.size（）.height

引用您的文本：

这将转换为HSV，因为您可以看到红色区域看起来是相同的颜色 就像附近的树一样。这就是为什么我应该知道它是红色的，但我不能

我想向您展示我对您所做的基本操作的结果（简单的操作应该可以很容易地转移到android openCV）：

//转换为HSV
cv：：Mat-hsv；
cv:：cvtColor（输入，hsv，cv_BGR2HSV）；
矢量信道；
cv：：分割（hsv，通道）；
//opencv=色调值除以2以适应8位范围
浮动红1=25/2.0f；
//红色的一部分在范围的开始处，一部分在范围的结束处（我假设0°到25°和335°到360°）
浮动红2=（360-25）/2.0f；
//计算两个t