python - 使用OpenCV获得完整的形状图案

Question

我正在使用不同的OpenCV操作编写脚本，以使用房屋屋顶的太阳能电池板处理图像。我的原始图像如下:

处理完图像后，我得到了面板的边缘，如下所示:

可以看到，由于图片中太阳的反射，一些矩形是如何被破坏的。
我想知道是否有可能修复那些坏掉的矩形，也许是通过使用那些没有坏掉的矩形来修复的。
我的代码如下:

# Load image
color_image = cv2.imread("google6.jpg")
cv2.imshow("Original", color_image)
# Convert to gray
img = cv2.cvtColor(color_image, cv2.COLOR_BGR2GRAY)

# Apply various filters
img = cv2.GaussianBlur(img, (5, 5), 0)
img = cv2.medianBlur(img, 5)
img = img & 0x88 # 0x88
img = cv2.fastNlMeansDenoising(img, h=10)

# Invert to binary
ret, thresh = cv2.threshold(img, 127, 255, 1) 

# Perform morphological erosion
kernel = np.ones((5, 5),np.uint8)
erosion = cv2.morphologyEx(thresh, cv2.MORPH_ERODE, kernel, iterations=2)

# Invert image and blur it
ret, thresh1 = cv2.threshold(erosion, 127, 255, 1)
blur = cv2.blur(thresh1, (10, 10))

# Perform another threshold on blurred image to get the central portion of the edge
ret, thresh2 = cv2.threshold(blur, 145, 255, 0)

# Perform morphological erosion to thin the edge by ellipse structuring element
kernel1 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
contour = cv2.morphologyEx(thresh2, cv2.MORPH_ERODE, kernel1, iterations=2)

# Get edges
final = cv2.Canny(contour, 249, 250)
cv2.imshow("final", final)

我试图修改我正在使用的所有滤镜，以尽可能减少原始图片中太阳的影响，但这是我所能做到的。
总的来说，我对所有这些滤镜的结果感到满意(尽管欢迎提出任何建议)，所以我想对显示的黑白图像进行处理，该图像对于我需要进行的后期处理已经足够平滑了。做。
谢谢!

Answer 1

图案在原始图像中没有破裂，因此在二值化结果中破裂，这意味着二值化不是最佳的。
您将threshold()应用于二进制图像，然后将Canny()应用于二进制图像。这里的问题是:

阈值处理会删除很多信息，这应该始终是任何处理管道的最后一步。您在这里失去的任何东西，您都会永远失去。

Canny()应该应用于灰度图像，而不是二进制图像。

Canny边缘检测器是边缘检测器，但是您要检测线而不是边缘。有关差异，请参见here。

因此，我建议从头开始。
The Laplacian of Gaussian is a very simple line detector。我采取了以下步骤:

读入图像，转换为灰度。

应用sigma = 2的高斯拉普拉斯算子。

反转(取反)结果，然后将负值设置为0。

这是输出:

从这里开始，识别网格图案应该相对简单。
我没有发布代码，因为我为此使用了MATLAB，但是您可以使用OpenCV here is a demo for applying the Laplacian of Gaussian in OpenCV在Python中完成相同的结果。

这是Python + OpenCV代码来复制上面的内容:

import cv2

color_image = cv2.imread("/Users/cris/Downloads/L3RVh.jpg")
img = cv2.cvtColor(color_image, cv2.COLOR_BGR2GRAY)
out = cv2.GaussianBlur(img, (0, 0), 2)  # Note! Specify size of Gaussian by the sigma, not the kernel size
out = cv2.Laplacian(out, cv2.CV_32F)
_, out = cv2.threshold(-out, 0, 1e9, cv2.THRESH_TOZERO)

但是，从BGR转换为灰度时，看起来OpenCV不会线性化(应用 Gamma 校正)，因为转换功能与我在上面创建图像时使用的转换功能相同。我认为这种 Gamma 校正可能会通过减少对屋顶砖的响应来改善结果。