Python 3.x 任何照明（低或高）下对象的图像分割

我手头的问题是围绕一个白色球划出边界。但是这个球有不同的照明。使用canny边缘检测和圆的Hough变换，我能够在强光/部分强光下检测球，但在低照度下检测不到球

那么，谁能帮助解决这个问题呢。 下面是我尝试过的代码

img=cv2.imread('14_04_2018_10_38_51_.8242_P_B_142_17197493.png.png')
cimg=img.copy()
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.medianBlur(img,5)
edges=cv2.Canny(edges,200,200)
circles = cv2.HoughCircles(edges,cv2.HOUGH_GRADIENT,1,20,
                        param1=25,param2=10,minRadius=0,maxRadius=0)

if circles is not None:
     circles = np.uint16(np.around(circles))
     for i in circles[0,:]:
         # draw the outer circle
         cv2.circle(cimg,(i[0],i[1]),i[2],(255,255,255),2)
         # draw the center of the circle
         cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)
     cv2.imwrite('segmented_out.png',cimg)
else:
    print("no circles")
cv2.imwrite('edges_out.png',edges)

在下图中，如果球也在阴影区域，我们需要分割

输出应该类似于下面的图片

---

使用

灰度图像将使您受到不同的光照条件的影响

为了避免这种情况，我建议在
HSV
颜色空间中工作，然后使用
Hue
组件而不是
grayscale
图像

色调独立于灯光条件，因为它提供有关颜色的信息，而不管其
饱和度
或
值
（与图像亮度绑定的值）

可能会为您带来一些关于颜色空间的清晰信息，以及最适合用于图像分割的颜色空间。
。我们有一个白色的球。
白色本身不是一种颜色。
这里的主要因素是，什么样的光真正落在
白色球上

因为落在它上面的光的类型直接影响到你可能计划使用@magicleon上面提到的HSV这样的
颜色空间进行的提取

HSV
是您在这里进行细分的最佳选择。
使用

whiteObject=cv2.inRange（hsvImage，lowerhsv限制，upperhsv限制）

HSV下限
和
HSV上限
HSV颜色范围

请记住，条件

1） 单击图像时，图像具有类似的条件

2） 在提取之前，您可以覆盖HSV的所有范围

希望你有个主意

以这个例子为例


选择特定的
色调
范围从
45
到
60

代码

这里的色调从
45
到
60

我对OpenCV或Python不是很有经验，但我也在学习。可能不是很像Python的代码，但您可以尝试以下方法：

import cv2
import math

circ=0
n = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150, 160, 170, 180, 190, 200, 210, 220]
img = cv2.imread("ball1.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
for i in n:   
    ret, threshold = cv2.threshold(gray,i,255,cv2.THRESH_BINARY)
    im, contours, hierarchy = cv2.findContours(threshold,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
    for j in range(0, len(contours)):
        size = cv2.contourArea(contours[j])
        if 500 < size < 5000:
            if circ > 0:
                (x,y),radius = cv2.minEnclosingCircle(contours[j])
                radius = int(radius)
                area = cv2.contourArea(contours[j])
                circif = 4*area/(math.pi*(radius*2)**2)
                if circif > circ:
                    circ = float(circif)
                    radiusx = radius
                    center = (int(x),int(y))                  
            elif circ == 0:
                (x,y),radius = cv2.minEnclosingCircle(contours[j])
                radius = int(radius)
                area = cv2.contourArea(contours[j])
                circ = 4*area/(math.pi*(radius*2)**2)
            else:
                pass
cv2.circle(img,center,radiusx,(0,255,0),2)
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.detroyAllWindows()

导入cv2
输入数学
circ=0
n=[10,20,30,40,50,60,70,80,90,100,110,120,130,140,150,160,170,180,190,200,210,220]
img=cv2.imread（“ball1.jpg”）
灰色=cv2.CVT颜色（img，cv2.COLOR\U BGR2GRAY）
对于n中的i：
ret，threshold=cv2.threshold（灰色，i，255，cv2.THRESH\u二进制）
im、等高线、层次=cv2.findContours（阈值、cv2.RETR\u树、cv2.CHAIN\u近似值\u无）
对于范围（0，len（等高线））内的j：
尺寸=cv2.轮廓面积（轮廓[j]）
如果500<尺寸<5000：
如果circ>0：
（x，y），半径=cv2。闭合圆（等高线[j]）
半径=整数（半径）
面积=cv2。轮廓面积（轮廓[j]）
circif=4*面积/（数学pi*（半径*2）**2）
如果circif>circ：
circ=浮动（circif）
半径x=半径
中心=（整数（x），整数（y））
elif circ==0：
（x，y），半径=cv2。闭合圆（等高线[j]）
半径=整数（半径）
面积=cv2。轮廓面积（轮廓[j]）
circ=4*面积/（数学pi*（半径*2）**2）
其他：
通过
cv2.圆（img，中心，半径X，（0255,0），2）
cv2.imshow（“图像”，img）
cv2.等待键（0）
cv2.detroyAllWindows（）

它的作用是将图片转换为灰度，并对其应用不同的阈值设置。然后通过向特定轮廓添加尺寸来消除噪音。当你找到它时，你检查它的圆度（注：这不是一个科学公式），并将其与下一个圆度进行比较。完美圆应该返回结果1，因此在一个轮廓中（所有轮廓中）得到的最大数将是您的球

结果:





注意：我没有尝试增加大小限制，因此如果您有一张高分辨率图片
请添加输入图像和您的结果，那么更高的限制可能会返回更好的结果。@zindarod出于保密原因，我无法放置原始图像。不过，我会尽量把一些东西接近我正在尝试的。谢谢。这当然是我在想的台词。但是，如果图像虽然不是灰度图像，但只有灰度，那该怎么办呢？我想你是亮度的囚徒，因为灰度定义为三个通道RGB的平均值，这取决于亮度。我不理解你在那里写的代码。你能解释一下吗？谢谢。我喜欢你的回答，而且相当直截了当。但再一次考虑到我所展示的图像，如果白色的高尔夫球在高尔夫球棒的阴影下会怎样呢。那么你会选择什么样的hsv值？希望给你一个想法，这就是你所说的“这不是一个科学公式”吗
circ=4*area/（math.pi*（radius*2）**2）
--您最好忽略这些常量，因为您只是在寻找圆度的最大值：
circ=area/（radius**2）
。否则，对于圆，
area=2*pi*半径**2
，因此
circ=area/（2*pi*半径**2）
更为正确。还有其他圆度标准可能更有效。例如，如果您可以计算周长，那么
circ=4*pi*area/（周长**2）
是一个不错的选择。它是1表示一个完美的圆，更小表示更少的圆形。我在代码中发现了一个错误…我更新了，现在应该可以更好地工作了。它应该是“if circif>circ:circ=float（corcif）”@Cris Luengo：我相信有更好的圆度算法（我不是数学家），但在图片中添加了一个白色矩形，尝试了你的公式和我的公式，在你的例子中，它是
import cv2
import math

circ=0
n = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150, 160, 170, 180, 190, 200, 210, 220]
img = cv2.imread("ball1.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
for i in n:   
    ret, threshold = cv2.threshold(gray,i,255,cv2.THRESH_BINARY)
    im, contours, hierarchy = cv2.findContours(threshold,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
    for j in range(0, len(contours)):
        size = cv2.contourArea(contours[j])
        if 500 < size < 5000:
            if circ > 0:
                (x,y),radius = cv2.minEnclosingCircle(contours[j])
                radius = int(radius)
                area = cv2.contourArea(contours[j])
                circif = 4*area/(math.pi*(radius*2)**2)
                if circif > circ:
                    circ = float(circif)
                    radiusx = radius
                    center = (int(x),int(y))                  
            elif circ == 0:
                (x,y),radius = cv2.minEnclosingCircle(contours[j])
                radius = int(radius)
                area = cv2.contourArea(contours[j])
                circ = 4*area/(math.pi*(radius*2)**2)
            else:
                pass
cv2.circle(img,center,radiusx,(0,255,0),2)
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.detroyAllWindows()