如何分割弯曲的道路/车道/路径/轨道/对象等？

Question

有没有像下图一样，利用图像处理技术分割检测轨迹的方法

图1：车轮在沙地上的轨迹

图2：要检测的轨迹的一个示例

Answer 1

根据我的说法，答案是否定的。首先我去除了照明效果，然后应用Canny来获得图像的特征，只有部分轨迹可见。接下来，我执行彩色分割以获得二进制掩码。然后我用了一个二元遮罩来去除背景，同样，唯一的部分轨迹是可见的

---

• 1. 消除照明效果：为了使轨迹更清晰，我们需要减少图像中的闪电。为了减少，我们将使用^{}平滑图像，然后使用^{}使像素在比例内均匀分布

  • 

  • # Load the image
    img = cv2.imread("v1uU4.jpg")
    
    # Convert to the gray-scale
    gry = convert_to_grayscale(img)
    
    # Remove the lightning effect
    blr = cv2.GaussianBlur(gry, (125, 125), 0)
    div = cv2.divide(gry, blr, scale=192)
    

• 1. 显示图像特征：然后加载非照明图像，将其转换为灰度，应用高斯平滑获得图像特征：

  • 

  • # Load non-lightning image
    img = cv2.imread("non-lightning.png")
    
    # Convert to the gray-scale
    gry = convert_to_grayscale(img)
    
    # Remove the lightning effect
    blr = cv2.GaussianBlur(gry, (5, 5), 0)
    
    # Find canny features
    cny = cv2.Canny(blr, 50, 200)
    

  • 在这里，您只看到轨迹的左侧部分部分可见。当然，不同的参数会产生不同的结果。如果您愿意尝试，更多不需要的功能将变得更可用

---

• 第二种方法

• 1. 颜色分割我们将加载非照明图像，转换为HSV颜色空间，并使用^{}查找二值遮罩。然后我们使用二进制掩码使轨迹更加可见

  • 

  • # Convert to HSV color-space
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    
    # Perform color-segmentation to get the binary mask
    lwr = np.array([0, 0, 0])
    upr = np.array([179, 255, 194])
    msk = cv2.inRange(hsv, lwr, upr)
    

• 1. 使用二进制掩码提取轨迹：

  • 

  • # Extracting the rod using binary-mask
    krn = cv2.getStructuringElement(cv2.MORPH_RECT, (50, 30))
    dlt = cv2.dilate(msk, krn, iterations=5)
    res = 255 - cv2.bitwise_and(dlt, msk)
    

在我看来，不可能删除背景并只显示可见的轨迹