OpenCV：在深色背景中检测正方形

Question

目前，我正在尝试计算运动物体的光流。特别是对象是圆形旋钮周围的正方形：

这是我要处理的原始图像：

我担心的是最底部的右侧条带。当我尝试Canny Edge检测或GoodFeaturesToTrack时，通常无法检测到两个正方形。我目前正在尝试锐化内核和阈值，然后进行形态转换以找到轮廓区域。但是，当我达到阈值时，会得到以下结果：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt


filename = 'images/Test21_1.tif'


image = cv.imread(filename)

kernel = [ [0, -1, 0], [-1, 5, -1], [0, -1, 0] ] #sharpen kernel I got from wikipedia

kernel = np.array(kernel)
dst = cv.filter2D(image, -1, kernel)
ret, thresh = cv.threshold(dst, 80, 150, cv.THRESH_BINARY_INV)

plt.subplot(121),plt.imshow(image),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(thresh),plt.title('Threshold')
plt.xticks([]), plt.yticks([])
plt.show()

我想知道我在openCV中能做什么来识别那个正方形。这些正方形是视频中移动的对象，我希望使用它们来计算其光通量。我目前正在考虑借助PyTorch CNN来检测功能。我会手动为训练/测试数据集标记图像，但是我认为这可能有点过大。谢谢您的时间。

Answer 1

我不确定这是否更好，但是您可以尝试在Python / OpenCV中使用除法归一化技术。

• 读取输入
• 转换为灰度
• 应用形态
• 根据形态结果划分输入
• 自适应阈值
• 保存结果

import cv2
import numpy as np

# read the image
img = cv2.imread('rods.png')

# convert to gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# apply morphology
kernel = cv2.getStructuringElement(cv2.MORPH_RECT , (5,5))
smooth = cv2.morphologyEx(gray, cv2.MORPH_DILATE, kernel)

# divide gray by morphology image
division = cv2.divide(gray, smooth, scale=255)

# threshold
thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 7, 4)

# save results
cv2.imwrite('rods.division.jpg',division)
cv2.imwrite('rods.thresh.jpg',thresh)

# show results
cv2.imshow('smooth', smooth)  
cv2.imshow('division', division)  
cv2.imshow('thresh', thresh)  
cv2.waitKey(0)
cv2.destroyAllWindows()

分区图片：

阈值图像：

Answer 2

问题是右下角正方形附近的局部对比度不好。您可以使用CLAHE（对比度受限的自适应直方图均衡）进行尝试吗？

# improving local contrast
GRID_SIZE = 20
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(GRID_SIZE,GRID_SIZE))
image = clahe.apply(image)

然后尝试使用您的算法来检测平方。