Python 使用OpenCV改善显光条件下的洪水填充效果

我正在尝试用工具对图像进行轮廓检测，因为工具的金属性质会反射光线并产生眩光。为了限制这种影响，我使用了泛洪填充，但这对参数非常敏感

例如，这里是我的原始图像：

这是被洪水淹没的那个

这看起来很棒，不是我尝试的第二张图片：

正如您在泛光图像上看到的，一些工具没有正确处理，因此轮廓检测将无法给出良好的结果

以下是更新版本：

import numpy as np
import cv2


def getFilteredLabelIndex(stats, widthLowLimit=50, heightLowLimit=50, areaLowLimit=7000):
    ret = []
    for i in range(1, stats.shape[0]):
        # extract the connected component statistics for the current label
        w = stats[i, cv2.CC_STAT_WIDTH]
        h = stats[i, cv2.CC_STAT_HEIGHT]
        area = stats[i, cv2.CC_STAT_AREA]

        keepWidth = w > widthLowLimit
        keepHeight = h > heightLowLimit
        keepArea = area > areaLowLimit

        if all((keepWidth, keepHeight, keepArea)):
            ret.append(i)

    return ret

# load our input image, convert it to grayscale, and blur it slightly
impath = "q8djf.png"
originalImage = cv2.imread(impath)

birdEye = originalImage 

seed = (35, 35)
originalImage = np.maximum(originalImage, 10)
foreground = originalImage.copy()

# Use floodFill for filling the background with black color
cv2.floodFill(foreground, None, seed, (0, 0, 0),
              loDiff=(5, 5, 5), upDiff=(5, 5, 5))
              
cv2.imshow("foreground", foreground)

gray = cv2.cvtColor(foreground, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)

threshImg = cv2.threshold(gray, 1, 255, cv2.THRESH_BINARY)[1]
cv2.imshow("threshImg", threshImg)

(numLabels, labels, stats, centroids) = cv2.connectedComponentsWithStats(
    threshImg, 4, cv2.CV_32S)

filteredIdx = getFilteredLabelIndex(stats)

for i in filteredIdx:
    componentMask = (labels == i).astype("uint8") * 255

    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
    componentMask = cv2.dilate(componentMask, kernel, iterations=3)

    ctrs, _ = cv2.findContours(
        componentMask, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
    ctrs = sorted(ctrs, key=cv2.contourArea, reverse=True)
    cntrs = max(ctrs, key=cv2.contourArea)

    cv2.drawContours(birdEye, [cntrs], -1, (255, 0, 255), 3)
    cv2.imshow("contour", birdEye)

cv2.imshow("original contour", birdEye)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

欢迎任何建议。

锐化输入图像可能会有所帮助

锐化操作会放大对象和背景之间的差异

我不确定它对其他图像的鲁棒性如何，但它可以提高当前解决方案的鲁棒性

我使用了以下帖子中的锐化解决方案：，但参数不同，锐化效果更强

以下代码演示了该解决方案：

#https://stackoverflow.com/questions/4993082/how-can-i-sharpen-an-image-in-opencv
#锐化图像
模糊=cv2.高斯模糊（birdEye，（0,0,3）
锐利的前景=cv2.addWeighted（birdEye，2，blur，-1，0）；
锐利前景=np.最大值（锐利前景，10）
#使用泛光填充以黑色填充背景
#使用loDiff和upDiff（10,10,10）而不是（5,5,5）来夸大问题
cv2.泛光填充（前景清晰，无，种子，（0,0,0），
loDiff=（10,10,10），upDiff=（10,10,10））

---

带锐化（

sharp_前台

）：

不进行锐化：

注：
该示例使用

loDiff=（10,10,10）

和

upDiff=（10,10,10）

进行演示。

---

尝试保持较低的值。

控制照明条件或使用更先进的技术，如深度学习实例分割或对象检测。中级高级技术可以是超像素分割形状匹配、关键点匹配，但通常所有这些技术都有一些边缘化以及它们的优点。如果你的背景总是像那些rwo图像一样好，你可以尝试梯度或边缘提取，并对结果进行聚类以估计对象。然后你可以使用凸包来估计轮廓。嗨，米卡，谢谢你的提示。我不确定深入学习能有多大帮助，因为没有办法知道工具的形状。这不像识别一张脸或一辆汽车，你可以训练一个网络。在我的情况下，工具可以是任何性质的（如果我错了，请纠正我）。至于你的第二点，是的，背景总是一样好，它是一张普通的A4纸。事实上，我正在使用cv2.ConnectedComponents SwithStats图像来识别不同的对象，但同样，这将根据光线条件切割出部分对象。深度学习可以很好地概括，并且是在不受控制的现实生活中工作良好的少数技术之一。您当前的方法非常简单，因此您必须控制环境，或者找到一种方法来自动规范化图像或参数（根据图像），或者进行大量假设。请发布您的代码，谢谢。