Можно ли найти край "пятнистой" области в emgucv?

У меня есть изображение, которое выглядит так:

original

и я хочу найти края темной части так, как это (красные линии - это то, что я ищу):

required

Я пробовал несколько подходов, и никто из них не работал, поэтому я надеюсь, что там будет emgu гуру, желающий помочь мне...

Подход 1

  • Преобразование изображения в оттенки серого
  • Удалить шум и инвертировать
  • Удалите все, что не очень яркое.
  • Получить canny и многоугольники

Код для этого (я знаю, что я должен правильно распоряжаться вещами, но я сохраняю код коротким):

var orig = new Image<Bgr, byte>(inFile);

var contours = orig
    .Convert<Gray, byte>()
    .PyrDown()
    .PyrUp()
    .Not()
    .InRange(new Gray(190), new Gray(255))
    .Canny(new Gray(190), new Gray(255))
    .FindContours(CHAIN_APPROX_METHOD.CV_CHAIN_APPROX_SIMPLE,
                  RETR_TYPE.CV_RETR_TREE);

var output = new Image<Gray, byte>(orig.Size);    
for (; contours != null; contours = contours.HNext)
{
    var poly = contours.ApproxPoly(contours.Perimeter*0.05,
                                   contours.Storage);
    output.Draw(poly, new Gray(255), 1);
}
output.Save(outFile);

Это результат:

approach 1 result

Подход 2

  • Преобразование изображения в оттенки серого
  • Удалить шум и инвертировать
  • Удалите все, что не очень яркое.
  • Получить canny и затем строки

Код для этого:

var orig = new Image<Bgr, byte>(inFile);

var linesegs = orig
    .Convert<Gray, byte>()
    .PyrDown()
    .PyrUp()
    .Not()
    .InRange(new Gray(190), new Gray(255))
    .Canny(new Gray(190), new Gray(255))
    .HoughLinesBinary(
        1,
        Math.PI/45.0,
        20,
        30,
        10
    )[0];

var output = new Image<Gray, byte>(orig.Size);    
foreach (var l in linesegs)
{
    output.Draw(l, new Gray(255), 1);
}
output.Save(outFile);

Это результат:

approach 2 result

Примечания

Я попытался настроить все параметры на этих двух подходах и добавить сглаживание, но я никогда не могу получить простые ребра, которые мне нужны, поскольку, я полагаю, более темная область не является сплошным цветом.

Я также пробовал расширять и размывать, но параметры, которые я должен использовать для них, настолько высоки, чтобы получить один цвет, который я в конечном итоге включаю в себя некоторые из серого материала справа и теряю точность.

Ответ 1

Да, возможно, и вот как вы могли это сделать:

  • Измените контрастность изображения, чтобы уменьшить светлую часть:

enter image description here

  • Затем преобразуйте его в HSV для выполнения пороговой операции в канале насыщения:

enter image description here

  • И выполните операции по размыванию и расширению, чтобы избавиться от шумов:

enter image description here

На этом этапе у вас будет результат, который вы искали. В целях тестирования в конце я выполняю ограничивающий прямоугольник, чтобы показать, как определить начальную и конец интересующей области:

enter image description here

У меня не было времени, чтобы настроить параметры и сделать идеальное обнаружение, но я уверен, что вы можете понять это. Этот ответ дает дорожную карту для достижения этого!

Это код С++, с которым я пришел, я надеюсь, что вы сможете преобразовать его в С#:

#include <cv.h>
#include <highgui.h>

int main(int argc, char* argv[])
{
    cv::Mat image = cv::imread(argv[1]);
    cv::Mat new_image = cv::Mat::zeros(image.size(), image.type());

    /* Change contrast: new_image(i,j) = alpha*image(i,j) + beta */

    double alpha = 1.8;     // [1.0-3.0]
    int beta = 100;         // [0-100]
    for (int y = 0; y < image.rows; y++)
    { 
        for (int x = 0; x < image.cols; x++)
        { 
        for (int c = 0; c < 3; c++)
        {
            new_image.at<cv::Vec3b>(y,x)[c] = 
            cv::saturate_cast<uchar>(alpha * (image.at<cv::Vec3b>(y,x)[c]) + beta);
        }
        }
    }
    cv::imshow("contrast", new_image);

    /* Convert RGB Mat into HSV color space */

    cv::Mat hsv;
    cv::cvtColor(new_image, hsv, CV_BGR2HSV);
    std::vector<cv::Mat> v;
    cv::split(hsv,v);

    // Perform threshold on the S channel of hSv    
    int thres = 15;
    cv::threshold(v[1], v[1], thres, 255, cv::THRESH_BINARY_INV);
    cv::imshow("saturation", v[1]);

    /* Erode & Dilate */

    int erosion_size = 6;   
    cv::Mat element = cv::getStructuringElement(cv::MORPH_CROSS,
                          cv::Size(2 * erosion_size + 1, 2 * erosion_size + 1), 
                          cv::Point(erosion_size, erosion_size) );
    cv::erode(v[1], v[1], element);
    cv::dilate(v[1], v[1], element);    
    cv::imshow("binary", v[1]);

    /* Bounding box */

    // Invert colors
    cv::bitwise_not(v[1], v[1]);

    // Store the set of points in the image before assembling the bounding box
    std::vector<cv::Point> points;
    cv::Mat_<uchar>::iterator it = v[1].begin<uchar>();
    cv::Mat_<uchar>::iterator end = v[1].end<uchar>();
    for (; it != end; ++it)
    {
        if (*it) points.push_back(it.pos());
    }    

    // Compute minimal bounding box
    cv::RotatedRect box = cv::minAreaRect(cv::Mat(points));

    // Draw bounding box in the original image (debug purposes)
    cv::Point2f vertices[4];
    box.points(vertices);
    for (int i = 0; i < 4; ++i)
    {
        cv::line(image, vertices[i], vertices[(i + 1) % 4], cv::Scalar(0, 255, 0), 2, CV_AA);
    }

    cv::imshow("box", image);    
    cvWaitKey(0);

    return 0;
}