使用 OpenCV 进行动态背景分离和可靠的圆圈检测

Dynamic background separation and reliable circle detection with OpenCV

本文关键字：检测分离 OpenCV 动态背景使用更新时间：2023-10-16

我正在尝试在类似颜色的背景上检测彩色网球。我正在使用OpenCV和C++

这是我正在使用的测试图像：https://i.stack.imgur.com/yXmO4.jpg

我尝试过使用多个边缘检测器; sobel，laplace和canny。这三者都检测白线，但是当阈值处于可以检测到网球边缘的值时，输出中的噪声过多。

我也尝试过霍夫圈变换，但由于它是基于精明的，所以效果不佳。

我不能使用背景减法，因为背景可以移动。我也无法修改阈值，因为照明条件可能会在网球内产生渐变。

我觉得我唯一的选择是模板匹配或检测白线，但是如果可能的话，我想避免这种情况。

你有什么建议吗？

我不得不倾斜屏幕才能自己发现网球。这是一个硬形象。

也就是说，Hough变换的默认OpenCV实现使用Canny边缘检测器，但它不是唯一可能的实现。对于这些较难的情况，您可能需要自己重新实现它。

您当然可以使用不同的边缘检测设置重复运行 Hough 算法，以生成多个候选项。除了直接比较候选项外，您还可以检查每个候选项是否具有主导纹理（在局部阴影校正后）和可能的条纹。但是，如果这些网球实际上是在飞行中捕获的，即移动，这可能会非常棘手。

在边缘检测之前，您对彩色图像做了什么？简单地将其转换为灰色？

根据我的经验，当您使用 HSV 颜色空间时，彩色球弹出得最好。然后，您必须决定哪个频道提供最佳结果。

也许将图像转换为不同的特征空间可能比依靠颜色更好。也许尝试对质地做出反应的LBP。然后对结果进行 PCA，将特征空间减少到 1 个单通道图像，并尝试对此进行霍夫变换。