Python 如何检测某些对象的边缘

我最近决定自学计算机视觉，所以我只知道图像处理的基础知识。我决定尝试一个希望很简单的练习：在与此类似的图片中检测瓷砖：

我知道我可以使用Hough变换来查找每个瓷砖中的圆，稍后我将使用它使算法更加健壮，但目前我正在努力查找瓷砖的轮廓

我的第一次尝试是调整图像大小、模糊图像、使其灰度化并应用canny。那么，瓷砖就是那些有四条边和一定长宽比的轮廓。这对大多数图片中的大多数瓷砖都适用，但在这张图片中，由于背景中的白色扬声器（它不认为它有四个面），顶部的瓷砖似乎不起作用：

然后，我发现并决定尝试模糊我的图像，然后从金字塔的更高层次上减去模糊的插值版本，虽然现在边缘更加清晰，但背景的粗糙度也被突出显示：

blurred_gray = cv2.GaussianBlur(
    cv2.cvtColor(resized, cv2.COLOR_BGR2GRAY), (5, 5), 0)
blurred_gray_recons = cv2.pyrUp(cv2.pyrDown(blurred_gray))
edged = blurred_gray - blurred_gray_recons
cv2.imshow('Edged', edged)

---

在这些情况下，如何可靠地执行边缘检测？请注意，背景颜色并不总是相同的。

正如我们所看到的，与背景相比，瓷砖是如此的白。所以，尝试对原始（模糊的）灰度图像设置阈值，这样我们就可以分离高光瓷砖区域。@消音器想到了这一点，但一般来说，背景不会总是与瓷砖有如此明显的不同。在具有动态背景的图像中，阈值和边缘检测很少给出好的结果。使用神经网络和/或基于特征的检测可以获得更好的结果。@Zindard我的计划不是完全依赖于边缘检测，而是将其与Hough变换结合用于其他特征检测，使用瓷砖的纵横比。。。我很感激你的建议，我会仔细研究的，但我只是在学习基本知识，所以我希望有一个更简单的解决方案。在你的第二种方法中，你正在执行一个增强噪音的测试。如果您使用的是Canny，这可能会很有用。您可以使用

opencv

尝试的其他方法包括形态学操作（先关闭，然后打开，增加内核半径），用于展平背景纹理、s、聚类（例如kmeans）等。正如我们所看到的，与背景相比，瓷砖非常白。所以，尝试对原始（模糊的）灰度图像设置阈值，这样我们就可以分离高光瓷砖区域。@消音器想到了这一点，但一般来说，背景不会总是与瓷砖有如此明显的不同。在具有动态背景的图像中，阈值和边缘检测很少给出好的结果。使用神经网络和/或基于特征的检测可以获得更好的结果。@Zindard我的计划不是完全依赖于边缘检测，而是将其与Hough变换结合用于其他特征检测，使用瓷砖的纵横比。。。我很感激你的建议，我会仔细研究的，但我只是在学习基本知识，所以我希望有一个更简单的解决方案。在你的第二种方法中，你正在执行一个增强噪音的测试。如果您使用的是Canny，这可能会很有用。您可以使用

opencv

尝试的其他方法包括形态学操作（先关闭，然后随着内核半径的增大而打开），用于展平背景纹理、纹理、聚类（例如kmeans）等。

blurred_gray = cv2.GaussianBlur(
    cv2.cvtColor(resized, cv2.COLOR_BGR2GRAY), (5, 5), 0)
blurred_gray_recons = cv2.pyrUp(cv2.pyrDown(blurred_gray))
edged = blurred_gray - blurred_gray_recons
cv2.imshow('Edged', edged)