【目标提取】计算机视觉中如何利用颜色和形状提取目标？

目录

1. 基于阈值的目标提取

1.1 二值化处理

1.2 阈值的确定

模态法

阈值确定其他方法

大津法

2. 基于颜色的目标提取

2.1 色相、亮度、饱和度

2.2颜色分量和组合处理

比如让你提取一幅照片中的苹果，还有可能遮挡

比如让你提取绿色的麦苗，如何使用二值图像呢？

3. 基于差分目标提取

3.1 帧间差分

3.2 背景差分

---

 

1. 基于阈值的目标提取

1.1 二值化处理

二值化处理中最简答的一种是阈值处理，当其灰度值在阈值以上或者以下，就赋予其输出图像为白色或者黑色

有时会提取两个 阈值之间的部分，称为双阈值二值化处理

1.2 阈值的确定

灰度图像最大值是255，最小值是0,0~255，一幅图像上每级有几个像素，数出来，按照顺序绘出直方图。

背景单一的图像，一般直方图有两个峰值，一个是背景峰值，一个是目标峰值

取中间的为阈值，将会得到最好的效果

模态法

如果原始图像的直方图凹凸激烈，计算机就不好确定波谷的位置，可以采取对邻域点进行平均化处理，这样就会减少直方图的凹凸不平，就比较容易找到波谷的位置，这种方法称为模态法

阈值确定其他方法

p参数法（当已知物体占整幅图像比例时）；判别分析法；可变阈值法；大津法

大津法

大津法又称为最大类间方差法。

背景和目标之间的类间方差越大，构成图像的两部分差别越大，错分的概率越小。

最大方差确定阈值不需要人为设定参数，是一种自动选择阈值的方法，计算实现比较复杂，但是在实际应用中，常常选择迭代自动获取

1. 选择图像像素的平均值作为初始阈值
2. 利用阈值将图像分割成两组数据R1和R2
3. 计算R1和R2的均值u1和u2
4. 重新选择阈值T=（u1+u2）/2
5. 重复2-4步，直到u1和u2不再发生变化

2. 基于颜色的目标提取

2.1 色相、亮度、饱和度

色相H，亮度Y或者I，饱和度S

RGB-->HSI几种常见的算法

2.2颜色分量和组合处理

比如让你提取一幅照片中的苹果，还有可能遮挡

第一步是用二值图像（R-G色差均值），得到苹果和背景图

第二步是进行边界跟踪、匹配膨胀、圆心点群计算，圆心点群分组，圆心及半径计算等步骤。

比如让你提取绿色的麦苗，如何使用二值图像呢？

可以强调绿色

3. 基于差分目标提取

3.1 帧间差分

比如打羽毛球

两帧之差大于阈值，设为白色，两 帧之差小于阈值，就黑色，最终得到的就是图片中动的部分

3.2 背景差分

比如获取某一路段的汽车通量

首先要获取没有汽车时图像的直方图等一系列信息，还要获取早中晚不同情况下的具体信息

然后当背景信息已知时，通过将图像与背景图像左茶，就可以提取图片中的车辆信息