如何使用 MATLAB 在卡车中查找木材？答案

【问题标题】：How to find timber in a truck using MATLAB?如何使用 MATLAB 在卡车中查找木材？
【发布时间】：2015-06-26 08:46:39
【问题描述】：

我的问题是使用拖车背面的图像自动查找和计算卡车中的木材。我试图使用 MATLAB Image Toolbox 解决这个问题。所以，这是我的代码。

function [ centers, rads, metrics ] = TimberFind( img )
    minrad = 20;
    maxrad = 110;
    Hsens = .93;
    CannySens = .20;

    img_gray = rgb2gray(img);
    PSF = fspecial('gaussian', 5, 0.5);
    img_gray = imfilter(img_gray, PSF, 'symmetric', 'conv');
    img_gray = imadjust(img_gray);
    PSF=fspecial('gaussian', 10, 1);
    Blurred = imfilter(img_gray, PSF, 'symmetric', 'conv');
    cont = imsubtract(img_gray, Blurred);
    preprocessed = imadd(img_gray, 3*cont);    

    bin = edge(preprocessed, 'canny', CannySens);

    [cen, r, m] = imfindcircles(bin, [minrad maxrad],'Sensitivity', Hsens);  
end

但是结果不是很好。您可以看到the full data 设置或以下示例：

所以，如果我让 Canny 和 imfindcircles 算法足够灵敏以检测所有木材，就会发现一些多余的结果。我有一个想法来解决这个问题，从大图像中剪下每一块木材，然后构造一些获得的小图片的全局标准，并在上面尝试一些机器学习算法。但我认为这种方式相当困难，所以也许有人可以提出其他建议？在使用 Canny 运算符之前，也许有更好的方法来对图像进行预处理？如果你知道如何让它变得更好，请告诉我。谢谢！

【问题讨论】：

你可以发布原始图像，即没有红色圆圈吗？
好的，我把它们放到云端了。
如果您看到错误检测，其中一些很容易使用后处理删除。例如，错误检测的外观与您发现的其他圈子不同。
是的，我确实做到了。我还尝试使用亮度和纹理参数删除错误结果，但图片不同（白天/夜晚，夏季/冬季），因此我无法通过使用某些阈值删除错误检测来正确解决问题。我想到了机器学习。

标签： matlab image-processing machine-learning

【解决方案1】：

实际上并不需要对您的图像进行预处理，即在使用imfindcircles 之前，灰度、高斯滤波和 Cany 边缘检测实际上都没有用处。

您的代码的简化版本在此图像上给出了非常不错的结果：

代码：

minrad = 20;
maxrad = 110;
Hsens = .93;

[cen, r] = imfindcircles(img, [minrad maxrad],'Sensitivity', Hsens);

结果：

有趣的是，结果比原始代码的效果要好得多。越简单越好！

【讨论】：

使用你的方式会导致我的图像效果不佳。但是我在使用边缘检测时确实犯了一个错误，因为 imfindcircles 是自己做的。所以，我修复了它，结果变得更好，但还不够好。