如何弥合现实生活影像中的巨大空白？

Question

假设我有一个真实物体的图片，例如：

使用双边滤波和canny边缘检测产生：

这很有可能无法正确检测某些边缘部分

即使没有双边过滤：

我需要增加这些边缘被检测到的概率。时间不是问题。你知道吗

我尝试过某些图像锐化效果，但似乎没有一个效果，使边缘更有可能被发现。你知道吗

编辑：

我试着这样做只为内部图像和大平面。我也不是想得到完美的东西，我只是想要一个包含一些高成功概率（80%+）边界的过度预测

在指定的示例和我尝试过的其他案例中，问题主要是由于边界区域之间的过渡缺乏清晰度。你知道吗

编辑2：

对每个通道进行提取，对红、蓝、绿的通道分别加入canny结果，得到一个封闭的形状。你知道吗

Answer 1

改进边缘检测的一种非常有效的方法是在每个单独的通道（RGB）上运行canny，然后使用addWeighted（）将图像相加，而不是在灰度图像上运行检测。将图像转换为不同的颜色空间并再次执行此过程也会进一步改进图像。你知道吗

Answer 2

在本示例中，靠近左上角的边将消失，因为背景较浅，对比度变得非常低。如果没有形状的先验信息，这实际上是不可恢复的。实际上，可能是真实的边缘沿着白色的垂直区域，而不是大理石桌子，就像在未过滤的图像上发生的那样。由于边缘两侧的颜色/纹理，我们人类可以辨别，但Canny远没有这样的表现。你知道吗

您可以尝试使用图像分割和纹理分割，尽管后者在OpenCV中并不容易获得。要知道你正在解决一个难题。你知道吗

Answer 3

如果你的目标是缩小线中的间隙，这将导致完美的连续线尝试使用霍夫变换和线检测。一些边缘检测仍然是需要的，所以保持精明。你知道吗

这些参数将允许您调整作为测线检测的内容和不作为测线检测的内容。在你的情况下，探测桌子是很容易的。一些形态上的开口可能会有帮助，如果它有问题，因为大理石图案，但我怀疑这一点。你知道吗

来自OpenCV的Here is a tutorial/ some information

编辑：

如果你想得到一个封闭的矩形，你可以自己做hough变换。在hough空间中将有四个高密度区域。其中两个具有相同的r或θ轴。这就是如何在霍夫空间中不仅检测直线，而且检测矩形的方法。将这四个点变换回来将导致形成矩形的四条线（在这张图片中很可能是表格）。也许已经有一个OpenCv霍夫矩形探测器了。我没查过。你知道吗