Python 如何使用OpenCV更有效地隔离篮球场？

我的目标是尝试在下面的框架中孤立法庭，并概述它：

我正在使用OpenCV for Python，以下是我执行以下步骤后的结果：

将图像转换为HSV

在给定色调范围内隔离像素

开发按位和掩码

利用Canny边缘检测

这是我的面具：

下面是我的Canny边缘检测器的结果：

正如你所看到的，我的Canny探测器性能很差，我的面罩中有很多噪音。我尝试了一些技术，包括侵蚀和扩张，但没有太大帮助

我还能做些什么来确保当我把面具传给Hough线变换器时，它实际上能够检测到球场的边缘

以下是一些代码供参考：

img = cv2.imread('imgs/bulls.jpg')
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

court_color = np.uint8([[[160,221,248]]])
hsv_court_color = cv2.cvtColor(court_color, cv2.COLOR_BGR2HSV)
hue = hsv_court_color[0][0][0]

# define range of blue color in HSV
lower_color = np.array([hue - 10,10,10])
upper_color = np.array([hue + 10,255,255])

# Threshold the HSV image to get only blue colors
mask = cv2.inRange(hsv_img, lower_color, upper_color)

# Bitwise-AND mask and original image
res = cv2.bitwise_and(img,img, mask= mask)

plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)), plt.title('Original Image'), plt.show()
plt.imshow(mask, cmap='Greys'), plt.title('Mask'), plt.savefig('imgs/mask.jpg'), plt.show()

# Erosion
kernel = np.ones((2,2),np.uint8)
erosions2 = cv2.erode(mask,kernel,iterations = 5)

# Dilation
dilation = cv2.dilate(mask,kernel,iterations = 3)

# Opening
opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)

# Closing
closing = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)

---

编辑：我试图复制这项研究：web.stanford.edu/class/ee368/Project\u Spring\u 1415/Reports/…。我想通过检测球场轮廓的直线来隔离球场，这样我最终可以使用单应性来找到球场上球员的坐标。

在这种情况下，检测图像上的霍夫线是最好的选择，因为球场颜色可以在不同的地点和相机设置之间变化。检测线条，并使用统一的色块进行进一步处理，应该可以让您以一定的精度分割球场区域。

最后您希望得到什么？你需要一个框架面具吗？@SergAnuke我正试图复制这项研究：。我想通过检测球场轮廓的直线来隔离球场，这样我最终可以使用单应性来找到球场上球员的坐标。唯一的问题是，除非我能够尽可能地将球场与画面的其他部分隔离，否则会有很多噪音。我目前正在寻找最好的方法来隔离球场，我很难消除人群中的噪音，以及每个画面中其他不相关的物体。