C++ 基于OpenCV的红外图像分割

假设我有一系列红外图像，任务是将人体与图像中的其他物体隔离开来。问题是其他相对热的物体（如灯及其“热”色调）发出的噪音

简单的阈值方法，如二进制和/或大津，在困难（嘈杂）的图片上效果不好，所以我决定手动进行

结果并不可怕，但我认为可以改进。在这里，我通过HSV的色调值简单地选择像素。或多或少，热像素位于该区域：色调<50，色调>300。我主要关心的是这些粉色像素，它们有时是灯光发出的噪音，但有时是人体的一部分，因此我不能简单地丢弃它们而不对结果造成重大损害：例如，在左图上，这将“破坏”左手的一半，以此类推。 作为最后的手段，我可以使用一些强大的过滤和侵蚀，但我仍然相信有一种方法可以告诉OpenCV：嘿，我不需要这些粉红色区域，除非它们是一个大的热点集群的一部分。

---

有什么想法，关键词，技巧，好文章吗？提前感谢

FIR数据可能与温度成单调比例（如果不是线性的话），这将产生灰度图像。
您的示例使用颜色贴图进行着色-颜色仅传达单个通道的实际信息。最好是直接处理灰度图像（可能会将图像重新映射到灰度）

---

然后，查看是否可以将图像线性化为实际温度刻度，以便像素值表示温度。一旦你这样做了，你应该能够将你的图像钳制到你期望一个人出现的温度范围。查看相机/成像仪的数据表，了解转换公式。

谢谢你的回答，我也有类似的想法。但不管怎样，假设我有一张灰度图像，它仍然可能有与人体的一部分以及其他部分强度相同的区域，除非一个人完全赤裸。我错了吗？所以我会尽量消除灰色的噪音而不是粉色的。因此，我想尝试解决一个更普遍的问题——如何区分作为人体一部分的区域与具有相同强度的其他区域。我想要的太多了吗？：）一旦你能缩小温度范围，你就有了很好的分割。您可以使用ML方法进行分类，使用几何线索，例如透视图等。您的示例图片看起来有一些非常清晰的边缘。你有没有试着去拿那本书？然后，您可以识别连接的组件，并确定哪些组件看起来不像人类。