Computer vision 面对噪音时背景减法的技巧

背景减法是计算机视觉中一种重要的基本方法。我正在研究已经开发的不同方法，并且我已经开始思考如何在面对随机、椒盐噪声的情况下执行背景减法

---

在像微软Kinect这样的系统中，红外摄像机会发出相当一致的随机噪声。如果您试图从深度视图中减去背景，如何在可靠地减去背景的同时避免这种随机噪声的问题？

正如您已经说过的，噪声和背景的其他不稳定部分可能会在分割时出现问题，我指的是背景中的灯光变化或其他移动的东西

但是如果你在做一些室内项目，这应该不是什么大问题，当然除了噪音问题

除了从图像中分割背景以分割其中的对象外，您还可以尝试从其他帧中减去两帧（或者在某些方法中甚至三帧）。如果相机处于稳定状态，则应保留已更改的部分，因此基本上保留已移动的对象。所以这是一种检测运动物体的简单方法

但在大多数操作中，您可能会使用您描述的噪声。最简单的方法是在分割的二值图像上使用中值滤波或形态匹配算子（打开）。这样可以有效地去除小部分，留下漂亮的大斑点

---

希望这有助于…

通常，您在视差空间中创建连接组件（cc），然后杀死任何小尺寸的cc。大小和连通性的阈值（例如，两个相邻像素之间的视差差异，仍然考虑它们连接）是你的两个参数一起玩。ivlad@lab126.com).

正如@signific所提到的，中值滤波器是你的票。这是在保持边缘的同时去除椒盐噪声的标准操作符

也就是说，我不同意他的建议，即这种情况发生在分割的二值图像上。中值滤波是非常低级的，应该在任何后续处理之前应用于原始数据