Python 具有挑战性的图像分割：背景和对象相似

我不熟悉图像分割，但我需要这样做来为机器学习分类器获取一个数据库

基本上，我有一个类似于此图像的视频：

我的工作是识别前景中的奶牛，或者至少是任何奶牛。我意识到有一个遮挡问题，但对于初学者，我想正确地分割一头孤独的奶牛，就像一头周围有红色矩形的奶牛（手绘）

在较不具挑战性的问题中，例如，我通过为每个像素添加一个阈值来进行区分，该阈值对于对象变为（0,0,0），对于背景变为（255255）：

然后我用相同的值标记像素以获得类，并获得足够大的“blob”的矩形

---

对于上面的图像，这种方法将不起作用，因为对象和背景相似+有很多阴影、侧面照明等，所以我不确定如何接近它。欢迎提出任何建议

我会试着拍两张照片。一张没有奶牛的“静态”背景照片，然后是一张奶牛的第二张照片。然后你可以减去这两个图像。我不太熟悉python，但imagemagick可以轻松地区分图像（）。理想情况下，“差异化”图像将隔离奶牛。从那里你可以得到幻想和尝试各种边缘检测算法等

---

希望有帮助

我意识到这是一个古老的思路，但我想提出一种解决此类问题的方法

您可以尝试使用基于纹理的分割，因为草背景的纹理与牛不同

看看图像的纹理能量特征是根据Laws的技术定义的

这里是用Python实现的laws技术。它的工作原理是定义用于提取图像中不同特征的二维核，例如边缘、涟漪、斑点及其组合。下面的函数返回9幅图像，可以从中提取纹理特征

def laws(array):

    # Define the 1D kernels
    L5 = np.array([1,4,6,4,1]) # level
    E5 = np.array([-1,-2,0,2,1]) # edge 
    S5 = np.array([-1,0,2,0,-1]) # spot
    R5 = np.array([1,-4,6,-4,1]) # ripples

    # Generate 2D kernels
    L5E5 = np.outer(L5,E5)
    E5L5 = np.outer(E5,L5)

    L5R5 = np.outer(L5,R5)
    R5L5 = np.outer(R5,L5)

    E5S5 = np.outer(E5,S5)
    S5E5 = np.outer(S5,E5)

    S5S5 = np.outer(S5,S5)

    R5R5 = np.outer(R5,R5)

    L5S5 = np.outer(L5,S5)
    S5L5 = np.outer(S5,L5)

    E5E5 = np.outer(E5,E5)

    E5R5 = np.outer(E5,R5)
    R5E5 = np.outer(R5,E5)

    S5R5 = np.outer(S5,R5)
    R5S5 = np.outer(R5,S5)


    return (0.5*(correlate(array, L5E5) + correlate(array, E5L5)), \
            0.5*(correlate(array, L5R5) + correlate(array, R5L5)), \
            0.5*(correlate(array, E5S5) + correlate(array, S5E5)), \
            correlate(array, S5S5), \
            correlate(array, R5R5), \
            0.5*(correlate(array, L5S5) + correlate(array, S5L5)), \
            correlate(array, E5E5), \
            0.5*(correlate(array, E5R5) + correlate(array, R5E5)), \
            0.5*(correlate(array, R5S5) + correlate(array, S5R5)))

---

你是否考虑过使用边缘检测器？你需要研究语义分割非常困难的问题。你有很多图片可以用来制作一个大的培训系统并使用深度学习吗？看看这样的作品，例如，或者感谢@Shai，这就是它的工作原理）