Opencv 拉普拉斯边缘图像中正确轮廓的提取

用这样的画面凝视：

我使用BackgroundSubtractorMOG2来检测帧中的运动，并提取感兴趣的区域，在这里我使用双边滤波器和均衡器，历史和后记应用拉普拉斯和阈值

在使用不同的图像过滤器后，我通过阈值化获得合理的拉普拉斯边缘和噪声遮罩，如下所示：

---

但是，我不确定现在如何提取对象的正确轮廓（左上角）进行分割。

这比最初看起来更复杂。我的解决方案是为这项任务训练一个网络。如果你想分割鼠标，你必须从不同的环境中收集几百张图片。也许100个已经可以给你一个满意的结果了。我会使用迁移学习（这意味着使用一个已经用其他数据训练过的网络）。使用以下存储库并不复杂： 对于数据扩充，我将使用imgaug：

如果解决方案不使用deep，则可以使用纹理分析。我会使用Gabor分解，你可能会看到背景和鼠标纹理之间的差异。然而，神经系统似乎更简单，更适合学习

---

你也应该考虑购买一个新的成像设备和/或一个红外光投影仪，如果这就是为什么你有这么低对比度的原因。只有覆盆子皮的红外摄像机才能拍摄到令人难以置信的图像，而你的检测可能不会有任何变化。

你可以尝试使用opencv训练Haar级联来检测鼠标

这通常用于视频中的人脸识别/对象识别-看起来相当有效

你可以在这里看到一个关于如何做到这一点的有用问答：

正如另一个答案中提到的，迁移学习不再繁重。你只需要训练数据——哈尔也需要。否则，您将不得不模拟它

---

你甚至可以考虑制作鼠标模板。是的，这只是一个大学项目，所以我们不应该使用深度学习，而且数据是给定的。但是，感谢纹理分析的建议，您可以添加左上角的原始图像吗？请添加您的代码而不是背景减法。您可以尝试帧减法：thresh（abs（frame_n-1-frame_n））&thresh（abs（frame_n-frame_n+1））通常对移动对象提供良好的效果。如果你将它与跟踪相结合，你应该能够拥有鼠标，即使它保持静止。好主意，如果Gabor分解不起作用，我会看看它