OpenCV-如何在场景中裁剪卡车后部？

目前，我正在处理大量大致如下所示的图像：

我想把卡车后部剪成这样：

以下是我面临的一些挑战：

• 卡车可以是任何颜色
• 场景可以是白天也可以是晚上
• 背景可能会有很大的变化（树木、灌木丛、道路、天空、， )

我有以下对我有利的工作：

• 卡车总是会填满大部分图像
• 相机的分辨率和质量至少会和这张照片一样好 示例图像
• 如果在夜间，卡车后部将相对良好地照明，并配备 泛光灯或类似产品

到目前为止，我很难找到更多的工作。以下是我尝试过的一些事情：

• 高斯模糊/侵蚀/膨胀/打开/关闭（两者 在到达单个通道之前和之后，请参见下一个要点）
• 转换为灰度
• 打开B、G、R通道
• 打开H、S、V通道
• 打开L，A，B频道
• 在以上10个频道中，我都尝试过：
• cv:：threshold（）
• cv:：adaptiveThreshold（）
• cv:：Canny（）
• cv:：洪水填充（）
• cv：：流域（）

所有这些都没有产生一个似乎有希望的结果

---

有人能提供其他建议吗？不同的方向？也许我错过了另一个有用的预处理步骤？我不确定下一步该去哪里。

一个简单的方法是在执行Canny边缘检测后执行Hough线检测（cv:：HoughLines），然后选择可以使用检测到的近水平线和垂直线形成的最大矩形

虽然基于阈值的方法可能适用于某些图像，但它们忽略了高级信息，如容器背部的矩形形状

有一个可以作为起点的工作示例

---

如果您需要更多详细信息，我将编辑此问题。

第一条评论，您真的需要自动剪切吗

如果你的大量图片少于10000张，那么你应该手工制作。 如果这个数字大于这个数字，并且可以随着时间的推移而增加，那么你应该构建这个软件

其次，在你的条件下，简单的门槛永远不会起作用。它太复杂了，一个简单的阈值无法处理它

在我看来，最简单的方法是先分割你的图像，然后切掉面积最大的部分。

---

您还可以使用更复杂的方法，如训练检测器来检测卡车。（SSD是目前最好的对象检测器）

我过去也尝试过类似的方法

设置阈值和检测线并不适用于所有图像，因为它们可能会随着照明、背景等的变化而变化

解决方案：

选择深度学习模式。 最初用大约1000张图片训练你的模型。输入为图像，输出为裁剪区域的坐标

因为作为一个输出，你将得到一个矩形的坐标。使用这些坐标裁剪出区域。

---

查看更多详细信息。

卡车后部是否有可注册的特定功能？例如，公司标志，或左边的数字？不幸的是，不，拖车可以是许多公司中的任何一家。徽标可以不同，数字可以在任何地方。听起来像是机器学习的工作。如果您可以发布更多的示例图像（以了解图像的多样性），那就太好了。您是否尝试过任何深度学习对象检测API来解决此问题？比较结果应该很快。HoughLines（）和HoughLinesP（）都采用二值图像，因此我必须按照我在文章中提到的方法之一转换为一个通道，然后对二值图像进行阈值选择以使用这两种方法之一。正如janu777所提到的，图像中可能存在如此多的变化，因此不可能获得4条干净、一致的线条。也许我应该在我的原始帖子中进一步澄清这一点。要获得霍夫线，你需要一个二值图像，但它不是通过阈值来创建的。最好使用Canny边缘检测创建它。边缘检测比阈值检测对光照变化更具鲁棒性。我更新了答案以反映这一点。谢谢，但我在原始帖子中已经提到，我尝试了cv:：threshold、cv:：adaptiveThreshold和cv:：Canny（）是的，我需要自动裁剪卡车，卡车经过时图像将来自摄像机（为了避免提及任何特定于公司的内容，我不想详细说明）. 谢谢你的建议，似乎需要一种深入的学习方法。谢谢你的回答，我不知道为什么有些人对你的回答投了反对票。我想得越多，图像中的可变性就足够了，似乎有必要进行深入的学习。我想我会试着让TensorFlow来做这件事，看看我能想出什么。这个链接也很有帮助。非常感谢：）很高兴你发现了帮助这是一个很好的例子，它提供了一个不包含代码的真正有用的答案。现在有一种趋势，所以没有代码就投票否决答案，我希望主持人能注意这一点。