android - 各种光线下的阈值人脸图像-6ren

android - 各种光线下的阈值人脸图像

转载作者：行者123 更新时间：2023-12-02 17:51:16

我想问一些与二值化相关的想法/学习 Material 。我正在尝试创建检测人类情绪的系统。我能够获得眉毛，眼睛， Nose ，嘴巴等区域，但随后进入另一个阶段 ->处理......

我的图像是在不同的地方/一天中的时间/天气条件下拍摄的。在二值化过程中存在问题，具有相同的阈值，一张图像是全黑的，其他看起来很好，并为我提供了我想要的信息。
我想问你的是:
1)如果有已知的方法如何使所有图像达到相同的亮度水平？
2)如何在图像上创建阈值和亮度之间的依赖关系？

我现在尝试的是标准化图像......但没有效果，也许我做错了什么。我正在使用 OpenCV(适用于 android)

Core.normalize(cleanFaceMatGRAY, cleanFaceMatGRAY,0, 255, Core.NORM_MINMAX, CvType.CV_8U);

编辑:

我尝试了自适应阈值，OTSU - 它们对我不起作用。我在 Android 中使用 CLAHE 时遇到问题，但我设法实现了 Niblack 算法。

Core.normalize(cleanFaceMatGRAY, cleanFaceMatGRAY,0, 255, Core.NORM_MINMAX, CvType.CV_8U);
nibelBlackTresholding(cleanFaceMatGRAY, -0.2);  

private void nibelBlackTresholding(Mat image, double parameter) {
    Mat meanPowered = image.clone();
    Core.multiply(image, image, meanPowered);

    Scalar mean = Core.mean(image);
    Scalar stdmean = Core.mean(meanPowered);

    double tresholdValue = mean.val[0] + parameter * stdmean.val[0];

    int totalRows = image.rows();
    int totalCols = image.cols();

    for (int cols=0; cols < totalCols; cols++) {
        for (int rows=0; rows < totalRows; rows++) {
            if (image.get(rows, cols)[0] > tresholdValue) {
                image.put(rows, cols, 255);
            } else {
                image.put(rows, cols, 0);
            }
        }
    }
}

结果非常好，但对于某些图像仍然不够。我粘贴链接因为图像很大，我不想占用太多屏幕:

例如，这个非常好:
https://dl.dropboxusercontent.com/u/108321090/a1.png
https://dl.dropboxusercontent.com/u/108321090/a.png

但有时光线不好会产生阴影，这会产生这种效果:
https://dl.dropboxusercontent.com/u/108321090/b1.png
https://dl.dropboxusercontent.com/u/108321090/b.png

你有什么想法可以帮助我提高那些具有高光差(阴影)的图像的阈值吗？

编辑2:

我发现我以前的算法以错误的方式实现。 Std 的计算方式错误。在 Niblack Thresholding 中，平均值是局部值而不是全局值。我根据这个引用修复了 http://arxiv.org/ftp/arxiv/papers/1201/1201.5227.pdf

private void niblackThresholding2(Mat image, double parameter, int window) {

    int totalRows = image.rows();
    int totalCols = image.cols();
    int offset = (window-1)/2;

    double tresholdValue = 0;

    double localMean = 0;
    double meanDeviation = 0;

    for (int y=offset+1; y<totalCols-offset; y++) {
        for (int x=offset+1; x<totalRows-offset; x++) {
            localMean = calculateLocalMean(x, y, image, window);
            meanDeviation = image.get(y, x)[0] - localMean;
            tresholdValue = localMean*(1 + parameter * ( (meanDeviation/(1 - meanDeviation)) - 1 ));
            Log.d("QWERTY","TRESHOLD " +tresholdValue);
            if (image.get(y, x)[0] > tresholdValue) {
                image.put(y, x, 255);
            } else {
                image.put(y, x, 0);
            }
        }
    }
}

private double calculateLocalMean(int x, int y, Mat image, int window) {
    int offset = (window-1)/2;

    Mat tempMat;
    Rect tempRect = new Rect();
    Point leftTop, bottomRight;

    leftTop = new Point(x - (offset + 1), y - (offset + 1));
    bottomRight = new Point(x + offset, y + offset);
    tempRect = new Rect(leftTop, bottomRight);
    tempMat = new Mat(image, tempRect);

    return Core.mean(tempMat).val[0];
}