实时图像处理：HSV 图像中的噪声 (openCV)答案

【问题标题】：Real-time Image Processing: Noise in HSV image (openCV)实时图像处理：HSV 图像中的噪声 (openCV)
【发布时间】：2018-04-14 17:59:22
【问题描述】：

我正在做一个非常高精度的实时形状和颜色分类系统。似乎我的预处理阶段不够好，以至于结果不如我预期的那么准确。这是我正在做的事情：

从相机中获取数据可以对其进行裁剪以接收 ROI。
将 ROI 图像从 RGB 转换为 HSV 空间。
使用中值滤波器减少 HSV 图像中的噪声。
图像阈值
使用扩张和腐蚀去除图像中的小孔和小物体
使用 findContours 和 approxPolyDP 检测方形对象。

这是我的预处理阶段：

image_cv = cv::cvarrToMat(image_camera); 
Mat cropped = image_cv(cv::Rect(0, 190, 640, 110));
imshow("origin", cropped);
Mat croppedCon = CropConveyor(cropped);
cv::cvtColor(croppedCon, croppedCon, CV_RGB2HSV);
medianBlur(croppedCon, croppedCon, 3);
cv::Mat binRect;
cv::inRange(croppedCon, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), binRect);

这是检测方块的代码：

vector<vector<Point>> contours;
findContours(binarizedIm, contours, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);

vector<Point> approx;
for (size_t i = 0; i < contours.size(); i++)
{
    //double arclength = arcLength(Mat(contours[i]), true);
    approxPolyDP(Mat(contours[i]), approx, 3.245 , true);   //0.04 for wood
    if (approx.size() != 4) continue;
    if (isContourConvex(Mat(approx)) && contourArea(Mat(approx)) > 250)
    {
        double MaxCos = 0;
        for (int j = 2; j < 5; j++)
        {
            double cos = angle(approx[j % 4], approx[j - 1], approx[j - 2]);
            MaxCos = MAX(cos, MaxCos);
        }

        if (MaxCos < 0.2)
            squares.push_back(approx);
    }
}

我认为 HSV 图像中的噪点是主要原因。这是一些说明我的问题的图像。我在 HSV 图像中看到了很多噪音，这就是为什么我使用媒体过滤器来减少噪音但保留边缘，因为我认为边缘信息在使用 findContours 函数时非常重要。 HSV and HSV in separate channels 我的问题是：

HSV 图像中的噪点是什么，参考上图，我该怎么做提高我的图片质量？

【问题讨论】：

是否有可能改善照明，或增加曝光 - 例如更大的光圈，还是更高的 ISO？
尝试获得更好的相机。也许你可以从你的大学借一个。我敢肯定，即使在越南，如果您无法使用适当的设备，您也可以获得更好的网络摄像头。通过减少相机距离，您可以有效地使横向分辨率翻倍。你的大部分视野都没有使用。

标签： c++ opencv image-processing noise hsv

【解决方案1】：

饱和图像中出现噪点的原因是输入图像中出现噪点。由坏的相机/光学器件引起，并由 JPEG 压缩进一步增加。

这是我多年来见过的最糟糕的形象。你不应该再花一秒钟的时间来处理它，除非你住在火星上并且明天需要结果。

您的输入图像噪点过多、采样不足、散焦、曝光不足、混叠和压缩伪影以及几乎所有其他您可能对图像做错的事情。

信号处理第一法则：

废话=废话

您基本上可以免费获得更好的相机。找到并使用一个。

【讨论】：

【解决方案2】：

部分问题在于您正在 HSV 空间中进行降噪。在您的示例中，您可以看到 V 通道的表现比 H 和 S 更好。最好在 RGB 中进行降噪（它更线性，更接近，但不完全相同，与相机的本机色彩空间中的噪点起源；当然还有伽马校正）。

或许可以考虑使用更强的保边降噪滤波器，例如双边滤波器。

【讨论】：

【解决方案3】：

我不明白你为什么要使用 HSV 来分割对象，RGB 图像已经足够好了。将图像分成 3 个通道 (r,g,b) 并对它们应用自适应阈值。扩张和腐蚀图像，然后添加（不合并）这 3 个二进制图像以获得一个二进制图像。最后做你的食谱的第 6 级来提取对象。如果噪声仍然影响结果，请在阈值之前对 r,g,b 通道应用双边滤波器。

【讨论】：