matlab - 灰度分割/特征提取/ Blob 检测？

Question

我试图找到一个起点，但我似乎无法找到正确的答案。我会非常感谢一些指导。我也不知道正确的术语，因此标题。

1. 我拍了一张后面有黑色背景的包的照片。
2. 我想提取包，类似于this .
3. 如果可能的话，找到中心，比如this .

本质上，我希望能够提取像素 block ，然后找到中心点。

我知道这是两个不同的问题，但我认为如果有人可以做后者，那么他们也可以做第一个。我正在使用 MATLAB，但想编写自己的代码而不使用他们的图像处理函数，如 edge()。我可以使用哪些方法/算法？任何论文/链接都会很好(:

Answer 1

好吧，假设您的图像仅由黑色背景和其中的袋子组成，执行您要求的一种非常常见的方法是对图像设置阈值，然后找到所有白色像素的质心。

我进行了 Google 搜索，我能想到的与您想要的最接近的内容如下所示:

http://ak.picdn.net/shutterstock/videos/3455555/preview/stock-footage-single-blank-gray-shopping-bag-loop-rotate-on-black-background.jpg

由于某种原因，这张图片是 RGB，即使它是灰度图，所以我们要把它转换成灰度图。我假设您不能使用任何内置的 MATLAB 函数，所以 rgb2gray出来了。您仍然可以自己实现它，因为 rgb2gray 实现了 SMPTE Rec. 709标准。

一旦我们读入图像，您就可以对图像进行阈值处理，然后找到所有白色像素的质心。这可以使用 find 来完成确定非零行和列的位置，然后您只需分别找到它们的平均值。一旦我们这样做了，我们就可以显示图像并在质心所在的位置绘制一个红色圆圈。因此:

im = imread('http://ak.picdn.net/shutterstock/videos/3455555/preview/stock-footage-single-blank-gray-shopping-bag-loop-rotate-on-black-background.jpg');
%// Convert colour image to grayscale
im = double(im);
im = 0.299*im(:,:,1) + 0.587*im(:,:,2) + 0.114*im(:,:,3);
im = uint8(im);

thresh = 30; %// Choose threshold here

%// Threshold image
im_thresh = im > thresh;

%// Find non-zero locations
[rows,cols] = find(im_thresh);

%// Find the centroid
mean_row = mean(rows);
mean_col = mean(cols);

%// Show the image and the centroid
imshow(im); hold on;
plot(mean_col, mean_row, 'r.', 'MarkerSize', 18);

当我运行上面的代码时，这是我们得到的:

还不错!现在您的下一个问题是处理多个对象的情况。正如您明智地确定的那样，此代码仅检测到一个对象。对于多个对象的情况，我们将不得不做一些不同的事情。您需要做的是通过 ID 识别图像中的所有对象。这意味着我们需要创建一个 ID 矩阵，其中该矩阵中的每个像素表示该对象属于哪个对象。之后，我们遍历每个对象 ID 并找到每个质心。这是通过为每个 ID 创建掩码、找到该掩码的质心并保存此结果来执行的。这就是所谓的找到 connected components。 .

regionprops是在 MATLAB 中执行此操作的最常见方法，但由于您想自己实现它，我将推迟您阅读我前一段时间写的关于如何找到二进制图像的连通分量的帖子:

How to find all connected components in a binary image in Matlab?

请注意，该算法不是最有效的算法，因此可能需要几秒钟，但我相信您不会介意等待 :) 现在让我们处理多个对象的情况。我还在 Google 上找到了这张图片:

我们会像往常一样对图像进行阈值处理，然后不同之处在于执行连通分量分析，然后我们遍历每个标签并找到质心。但是，我要强制执行的另一个约束是我们要检查在连通分量结果中找到的每个对象的面积。如果它小于某个数字，这意味着该对象可能归因于量化噪声，我们应该跳过这个结果。

因此，假设您将上述链接帖子中的代码放入名为 conncomptest 的函数中，该函数具有以下原型(prototype):

B = conncomptest(A);

因此，获取引用帖子中的代码，并将其放入名为 conncomptest.m 的函数中，函数头如下:

function B = conncomptest(A)

其中 A 是输入的二进制图像，B 是 ID 矩阵，您可以这样做:

im = imread('http://cdn.c.photoshelter.com/img-get2/I0000dqEHPhmGs.w/fit=1000x750/84483552.jpg');

im = double(im);
im = 0.299*im(:,:,1) + 0.587*im(:,:,2) + 0.114*im(:,:,3);
im = uint8(im);

thresh = 30; %// Choose threshold here

%// Threshold image
im_thresh = im > thresh;

%// Perform connected components analysis
labels = conncomptest(im_thresh);

%// Find the total number of objects in the image
num_labels = max(labels(:));

%// Find centroids of each object and show the image
figure;
imshow(im);
hold on;

for idx = 1 : num_labels
    %// Find the ith object mask
    mask = labels == idx;

    %// Find the area
    arr = sum(mask(:));

    %// If area is less than a threshold
    %// don't process this object
    if arr < 50
        continue;
    end

    %// Else, find the centroid normally
    %// Find non-zero locations
    [rows,cols] = find(mask);

    %// Find the centroid
    mean_row = mean(rows);
    mean_col = mean(cols);

    %// Show the image and the centroid
    plot(mean_col, mean_row, 'r.', 'MarkerSize', 18);
end

我们得到: