检测纸上的黑色墨水斑点-OpenCV Android

Question

我是openCV的新手，我一直在学习为Android提供的示例。

我的目标是检测颜色斑点，所以我从颜色斑点检测样本开始。

我将彩色图像转换为灰度，然后使用二值阈值进行阈值化。

背景是白色的，斑点是黑色的。我想探测那些黑色斑点。此外，我想画他们的彩色轮廓，但我不能这样做，因为图像是黑白的。

我已经设法在灰度中完成了这一点，但我不喜欢轮廓的绘制方式，这就像颜色容差太高，轮廓比实际的斑点大（可能斑点太小？）。我想我所说的“容差”与setHsvColor有关，但我不太理解这种方法。

提前感谢！最好的问候

更新更多信息

我要跟踪的图像是墨迹分割。想象一下，一张白色的纸上有黑色的墨水裂开。现在我正在做实时（摄像机视图）。实际的应用程序将拍摄一张照片并分析该照片。

正如我上面所说，我从openCV GitHub回购中获取了颜色斑点检测样本（Android）。我将此代码添加到onCameron aFrame方法中（以便实时将其转换为黑白）进行转换，所以我不介意墨水是黑色，蓝色，红色：

mRgba = inputFrame.rgba();
/**************************************************************************/
/** BLACK AND WHITE **/
// Convert to Grey
Imgproc.cvtColor(inputFrame.gray(), mRgba, Imgproc.COLOR_GRAY2RGBA, 4);

Mat blackAndWhiteMat = new Mat ( H, W, CvType.CV_8U, new Scalar(1));
double umbral = 100.0;
Imgproc.threshold(mRgba, blackAndWhiteMat , umbral, 255, Imgproc.THRESH_BINARY);

// convert back to bitmap for displaying
Bitmap resultBitmap = Bitmap.createBitmap(mRgba.cols(), mRgba.rows(), Bitmap.Config.ARGB_8888);
blackAndWhiteMat.convertTo(blackAndWhiteMat, CvType.CV_8UC1);
Utils.matToBitmap(blackAndWhiteMat, resultBitmap);
/**************************************************************************/

这可能不是最好的方法，但它是有效的。

现在我想检测黑色斑点（墨水分裂）。我猜它们被检测到是因为Logcat（示例应用的日志条目）抛出检测到的轮廓数，但我无法看到它们，因为图像是黑白的，例如，我希望轮廓是红色的。

谢谢你的帮助！如果你需要更多的信息，我很乐意更新这个问题

更新：彩色斑点检测样本的GitHub repo（第二幅图像）

Android版openCV示例的GitHub Repo

Answer 1

该解决方案基于自适应图像阈值和使用连通分量算法的组合。

假设——纸张是图像中最亮的区域，而纸张上的墨点是最暗的区域。

from random import Random
import numpy as np
import cv2

def random_color(random):
    """
    Return a random color
    """
    icolor = random.randint(0, 0xFFFFFF)
    return [icolor & 0xff, (icolor >> 8) & 0xff, (icolor >> 16) & 0xff]

#Read as Grayscale
img = cv2.imread('1-input.jpg', 0)
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

# Gaussian to remove noisy region, comment to see its affect.
img = cv2.medianBlur(img,5)

#Find average intensity to distinguish paper region
avgPixelIntensity = cv2.mean( img )
print "Average intensity of image: ", avgPixelIntensity[0]

# Generate mask to distinguish paper region
#0.8 - used to ignore ill-illuminated region of paper
mask = cv2.inRange(img, avgPixelIntensity[0]*0.8, 255) 
mask = 255 - mask
cv2.imwrite('2-maskedImg.jpg', mask)

#Approach 1
# You need to choose 4 or 8 for connectivity type(border pixels)
connectivity = 8
# Perform the operation
output = cv2.connectedComponentsWithStats(mask, connectivity, cv2.CV_8U)
# The first cell is the number of labels
num_labels = output[0]
# The second cell is the label matrix
labels = output[1]
# The third cell is the stat matrix
stats = output[2]
# The fourth cell is the centroid matrix
centroids = output[3]

cv2.imwrite("3-connectedcomponent.jpg", labels)
print "Number of labels", num_labels, labels

# create the random number
random = Random()

for i in range(1, num_labels):
    print stats[i, cv2.CC_STAT_LEFT], stats[i, cv2.CC_STAT_TOP], stats[i, cv2.CC_STAT_WIDTH], stats[i, cv2.CC_STAT_HEIGHT]
    cv2.rectangle(cimg, (stats[i, cv2.CC_STAT_LEFT], stats[i, cv2.CC_STAT_TOP]), 
        (stats[i, cv2.CC_STAT_LEFT] + stats[i, cv2.CC_STAT_WIDTH], stats[i, cv2.CC_STAT_TOP] + stats[i, cv2.CC_STAT_HEIGHT]), random_color(random), 2)

cv2.imwrite("4-OutputImage.jpg", cimg)

从阈值和反转操作屏蔽图像。

使用连接的组件。

将连接组件的输出叠加在输入图像上。