实时图像处理：HSV图像中的噪声（openCV）
我正在做一个实时形状和颜色分类系统，具有非常高的准确性。 似乎我的预处理阶段不够好，以至于结果不如我预期的那么精确。 这是我正在做的事情：
这是我的预处理阶段：
image_cv = cv::cvarrToMat(image_camera);
Mat cropped = image_cv(cv::Rect(0, 190, 640, 110));
imshow("origin", cropped);
Mat croppedCon = CropConveyor(cropped);
cv::cvtColor(croppedCon, croppedCon, CV_RGB2HSV);
medianBlur(croppedCon, croppedCon, 3);
cv::Mat binRect;
cv::inRange(croppedCon, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), binRect);
这是检测正方形的代码：
vector<vector<Point>> contours;
findContours(binarizedIm, contours, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
vector<Point> approx;
for (size_t i = 0; i < contours.size(); i++)
{
//double arclength = arcLength(Mat(contours[i]), true);
approxPolyDP(Mat(contours[i]), approx, 3.245 , true); //0.04 for wood
if (approx.size() != 4) continue;
if (isContourConvex(Mat(approx)) && contourArea(Mat(approx)) > 250)
{
double MaxCos = 0;
for (int j = 2; j < 5; j++)
{
double cos = angle(approx[j % 4], approx[j - 1], approx[j - 2]);
MaxCos = MAX(cos, MaxCos);
}
if (MaxCos < 0.2)
squares.push_back(approx);
}
}
我认为HSV图像中的噪声是主要原因。 这里有一些图片展示了我的问题。 我在HSV Image中看到很多噪点，这就是为什么我使用媒体滤镜来减少噪点但保留边缘，因为我认为使用findContours函数时边缘信息非常重要。 单独渠道的HSV和HSV我的问题是：
饱和图像中噪点的原因是输入图像中的噪点。 由不好的相机/光学器件引起，并由JPEG压缩进一步增加。
这是迄今为止我多年来看到的最糟糕的形象。 除非你住在火星上并且明天需要结果，否则你不应该投入另一秒的时间。
你的输入图像是超级噪声，欠采样，离焦，曝光不足，充满混叠和压缩伪像，以及几乎所有你可以对图像做错的事情。
信号处理的第一条规则：
废话在废话
基本上免费可以获得更好的相机。 找到并使用一个。
问题的一部分是你正在降低HSV空间的噪音。 在你的例子中，你可以看到V通道的性能比H和S好。最好在RGB中进行降噪处理（相对于相机原有的色彩空间，噪声更加线性和更接近但不完全相同）起源;当然也有伽马校正）。
也许考虑一个更强的边缘保留降噪滤波器，如双边滤波器。
我不明白你为什么使用HSV分割对象，RGB图像足够好。 将图像分为3个通道（r，g，b）并对其应用自适应阈值。 扩大和侵蚀图像，然后添加（不合并）这3个二进制图像以获得一个二进制图像。 最后做你的食谱6级提取对象。 如果噪声仍影响结果，请在阈值之前对r，g，b通道应用双边滤波器。
链接地址: http://www.djcxy.com/p/79637.html