C++ 检测草图像中的植物

我是计算机视觉方面的新手。 我想在草图像中检测一些植物

原始图像

Canny边缘检测算法

Hough线变换（边缘检测后）

我已经试过：

• 通过比较区域中白色像素的平均值来去除背景中的草
• 使用hough线变换算法进行线检测（草添加了错误的线）

---

你认为检测这种植物的最佳方法是什么？

我想到了虚拟解决方案。因为草比植物本身更细致：

使用Canny或任何其他边缘检测器

使用一个窗口（比如10*10）通过图像。对于每个窗口：

• 计算密度（如果使用Canny，则白色像素数）
• 将其存储在数组中

使用大津算法对数组中的值设置阈值。较小的值表示作为设备一部分的窗口

将所有需要的窗口重新映射到原始图片

如果窗口不是对象的一部分，但同时被对象的窗口包围，则它是对象的一部分

---

只是为了好玩，和胡曼的答案非常相似，只是用标准差代替密度，使图像在没有叶子的地方透明。我在命令行中直接使用ImageMagick：

convert weed.jpg \( +clone -canny 0x1+10%+30% -statistic standarddeviation 10x10 -blur 0x8 -normalize -negate \) -compose copyopacity -composite result.png

---

我实施了Humam的方法

但在大津算法之后添加了一些步骤：

完成每个黑色连接的组件

使用矩阵减法提取遮罩

将遮罩存储在向量中

按面积大小排序（=总和（掩码））

选择最大的面具（=植物）

在植物面膜上：再次执行步骤1-3

从植物面罩上取下所有小面罩

我从工厂里得到了一些旧的和坏的图像，我将在接下来的几天在这些图像上测试算法。 不幸的是，在我的国家现在是冬天，草地上覆盖着雪。所以我得等上几个星期才能从这棵植物上拍出合适的照片

提取结果。

---

下一步是检测提取的图像是否是所需的植物。

Intreasting任务。。如果可以的话，给我们看一些其他的图片。我在hough line变换后添加了一个图片，但是我现在没有任何其他原始图片。Hougline在我看来可能是一个解决方案。你甚至没有线条。我得到了90%的植物。我使用饱和度和强度图像创建了一个遮罩。植物饱和度低于草饱和度，但植物比背景亮。所以我将两者相乘，增加了植物和背景的对比度。然后，我通过一些形态学操作和抑制高生长来除草frequencies@Piglet请发布一个答案，否则这永远不会发生：DA应该帮助你迈出第二步。很好的一步。。我渴望看到更多的样品从OP，因为我认为这些解决方案（包括我的）将失败。我认为这是有史以来最难的简历问题之一。如果OP能成功的话。我想麻省理工学院会找到他并雇用他：DClever解决方案。然而，与任何其他图像处理方法一样，这很可能只适用于非常特定的图像，而不是一般的图像。但是，对于这个问题的范围，+1:D.@HumamHelfawi Deep learning在物体（包括植物）识别方面取得了巨大的进步，麻省理工学院已经知道：我正要说Deep learning。。。但我害怕看起来像是谁想要一个黑匣子来完成自己的工作：我同意。也许需要某种纹理分析。我知道这种方法对于其他许多图片都会失败——一般的解决方案是非常困难的！