蝴蝶图像的特征提取

Question

我有一组蝴蝶图像，用于训练我的系统从给定的输入图像中分割蝴蝶。为此，我想提取边缘、角点、区域边界、局部最大/最小强度等特征

我发现了很多特征提取方法，如Harris角点检测、SIFT等，但当图像背景颜色与蝴蝶的身体/边界颜色相同时，这些方法效果不佳。在

请问有没有什么好的特征提取方法可以很好地进行蝴蝶分割？我使用的是OpenCV的Python实现。在

Answer 1

你愿意写你自己的图像处理逻辑吗？在

您最好的选择可能是针对您的问题优化分割/特征提取，而不是使用以前的实现，比如opencv，用于更一般的用例。在

我发现在嘈杂/低对比度的环境中，一个很好的选择是使用滑动窗口（即10x10像素）并构建一个渐变方向直方图。从这个直方图中，你可以识别出更多的优势边缘（它们在直方图中累积）和它们的方向（允许检测角点之类的东西），并查看局部最大值/最小值。（如果需要，我可以提供更多细节）

如果您对分割整体感兴趣，并且可以进行用户交互，我建议使用图形切割或抓取切割。在图形切割中，用户可以微调分割。Grab cut已经在opencv中了，但是可能会导致同样的问题，因为它需要用户的一个输入，然后自动分割图像。在

Answer 2

您可以尝试通过将训练数据（butterlys的图像）上传到demo.nanonets.ai（免费使用）来构建模型

1）在此处上载您的培训数据：

demo.nanonets.ai

2）然后使用以下命令查询API（Python代码）：

import requests
import json
import urllib
model_name = "Enter-Your-Model-Name-Here"
url = "https://i.ytimg.com/vi/xT6UsQwZyy0/maxresdefault.jpg"
files = {'uploadfile': urllib.urlopen(url).read()}
url = "http://demo.nanonets.ai/classify/?appId="+model_name
r = requests.post(url, files=files)
print json.loads(r.content)

3）回答如下：

^{pr2}$