Opencv 图像处理中的工业级前景/背景分离

我的问题可能不合理。但我想知道什么是图像处理中真正的工业级前景/背景分离。我的应用程序是我需要从背景中提取对象。在连续图像中跟踪移动的前景对象很容易，但是对于静止图像（仅一幅图像）而不是使用阈值，还有什么比阈值更有效？

---

谢谢

我不知道这是否是对你问题的回答，但如果相机是静止的，你可以观察光流。这将跟踪视频流中的移动对象。它查看图像中的变化，然后可以分离背景和前景。[1] :

---

希望它能帮助你

我不知道这是否是你问题的答案，但如果相机是静止的，你可以观察光流。这将跟踪视频流中的移动对象。它查看图像中的变化，然后可以分离背景和前景。[1] :

---

希望它能帮助你

实际上还有很多其他方法可以尝试。在我看来，阈值实际上是一种很好的提取对象的方法。但是如果你喜欢，实际上还有很多其他方法可以根据场景来考虑。

1） 如果背景是固定的，您只需尝试背景减法。剩下的都是你想要提取的对象，在本例中，剩下的都是单数

2） 如果您试图提取的对象是特定于背景的对象，则可以使用特征提取、分类器（例如Haar）

3） 如果对象有一个特定的形状，比如圆形、矩形，你可以在Canny旁边使用Hough，也可以在web上使用形状检测

4） 如果要提取的对象具有特定的颜色，可以查看HSV和LAB space，两者都比RGB好得多。您还可以尝试使用预处理方法，例如流域法（还有很多其他方法）

---

还有许多其他取决于场景。希望有帮助

实际上还有很多其他方法可以尝试。在我看来，阈值实际上是一种很好的提取对象的方法。但是如果你喜欢，实际上还有很多其他方法可以根据场景来考虑。

1） 如果背景是固定的，您只需尝试背景减法。剩下的都是你想要提取的对象，在本例中，剩下的都是单数

2） 如果您试图提取的对象是特定于背景的对象，则可以使用特征提取、分类器（例如Haar）

3） 如果对象有一个特定的形状，比如圆形、矩形，你可以在Canny旁边使用Hough，也可以在web上使用形状检测

4） 如果要提取的对象具有特定的颜色，可以查看HSV和LAB space，两者都比RGB好得多。您还可以尝试使用预处理方法，例如流域法（还有很多其他方法）

---

还有许多其他取决于场景。希望有帮助

对于那个否决我的人，请给我一个公平的理由。我的问题出了什么问题？如果你不知道，就忽略它。如果你认为没有意义或者我的问题对任何人都没有好处，请告诉我原因。不要无缘无故地投反对票。我认为我的问题很公平，如果我能从专业人士那里得到反馈，其他人也会从中受益。我认为可行的方法可能非常具体，但你可能想看看@1）在实验室颜色空间中尝试kmeans（2群集）群集，然后应用抖动算法。2） 活动等高线/标高sets@Zaw林：嗨，谢谢，kmean聚类是针对哪个图像的？在原始图像阶段，如何应用kmean？@Zaw Lin:哦，是的，我在这个链接中看到了一个有趣的现象，对于那个否决我的人，请给我一个公平的理由。我的问题出了什么问题？如果你不知道，就忽略它。如果你认为没有意义或者我的问题对任何人都没有好处，请告诉我原因。不要无缘无故地投反对票。我认为我的问题很公平，如果我能从专业人士那里得到反馈，其他人也会从中受益。我认为可行的方法可能非常具体，但你可能想看看@1）在实验室颜色空间中尝试kmeans（2群集）群集，然后应用抖动算法。2） 活动等高线/标高sets@Zaw林：嗨，谢谢，kmean聚类是针对哪个图像的？在原始图像阶段，如何应用kmean？@Zaw Lin:哦，是的，很有趣，我在这个链接中看到了，谢谢，是的，那是在多个图像中移动对象。但是对于单个图像，我只想提取对象。我的想法是边缘检测和阈值必须应用。有多种选择。您希望从哪种图像中提取对象？颜色或灰度。如果选择灰度边缘检测，如果是彩色图像，您也可以使用SalientMap，但这取决于图片类型和背景类型。谢谢，是的，这适用于多幅图像中的移动对象。但是对于单个图像，我只想提取对象。我的想法是边缘检测和阈值必须应用。有多种选择。您希望从哪种图像中提取对象？颜色或灰度。如果选择灰度边缘检测，如果是彩色图像，也可以使用SalientMap，但这取决于图片类型和背景类型。