Удалить блики с фотографии opencv
Итак, im использует opencv для захвата документа, сканирования и обрезки. Когда в комнате нет освещения, она прекрасно работает. Когда в комнате есть свет, и на столе есть блик, и документ находится рядом с ним, он также захватывает блик как часть прямоугольника.
Как можно удалить блики с фотографии?
вот код im, используемый для получения изображения, которое я хочу:
Mat &image = *(Mat *) matAddrRgba;
Rect bounding_rect;
Mat thr(image.rows, image.cols, CV_8UC1);
cvtColor(image, thr, CV_BGR2GRAY); //Convert to gray
threshold(thr, thr, 150, 255, THRESH_BINARY + THRESH_OTSU); //Threshold the gray
vector<vector<Point> > contours; // Vector for storing contour
vector<Vec4i> hierarchy;
findContours(thr, contours, hierarchy, CV_RETR_CCOMP,
CV_CHAIN_APPROX_SIMPLE); // Find the contours in the image
sort(contours.begin(), contours.end(),
compareContourAreas); //Store the index of largest contour
bounding_rect = boundingRect(contours[0]);
rectangle(image, bounding_rect, Scalar(250, 250, 250), 5);
вот фотография бликов im talking о компании:
вещи, которые я нашел, должны использовать inRange, найти подходящий скаляр для цвета и нас inpaint для удаления света. Вот фрагмент кода этого, но он всегда падает, говоря, что ему нужно 8-битное изображение с chanels.
Mat &image = *(Mat *) matAddrRgba;
Mat hsv, newImage, inpaintMask;
cv::Mat lower_red_hue_range;
inpaintMask = Mat::zeros(image.size(), CV_8U);
cvtColor(image, hsv, COLOR_BGR2HSV);
cv::inRange(hsv, cv::Scalar(0, 0, 215, 0), cv::Scalar(180, 255, 255, 0),
lower_red_hue_range);
image = lower_red_hue_range;
inpaint(image, lower_red_hue_range, newImage, 3, INPAINT_TELEA);
1 ответов
Я имел дело с этой проблемой раньше, и изменение освещения всегда является проблемой в компьютерном зрении для обнаружения и описания изображений. Я фактически обучил классификатор для цветовых пространств HSV вместо RGB/BGR, который отображал изображение с изменением падающего света на тот, у которого нет внезапных ярких / темных пятен (это будет метка). Это сработало для меня довольно хорошо, однако изображения всегда были одного и того же фона (я не знаю, есть ли у вас это).
конечно, машинное обучение может решить проблему, но это может быть перебор. Пока я делал вышеупомянутое, я наткнулся CLAHE который работал довольно хорошо с для местного повышения контраста. Я предлагаю вам попробовать это, прежде чем обнаруживать контуры. Кроме того, для этой цели можно использовать другое цветовое пространство, например HSV/Lab/Luv вместо RGB/BGR. Вы можете применить CLAHE отдельно к каждому каналу, а затем объединить их.
давайте мне знать, если вам нужна другая информация. Я реализовал это с вашим изображением в python, он работает довольно хорошо, но я бы оставил кодирование вам. Я мог бы обновить результаты, которые я получил через пару дней (надеясь, что вы получите их первыми ;) ). Надеюсь, это поможет.