我正在寻找一个很好的解决方案，如何在视频流中分割 opencv 中类似灰色阴影的大面积区域。
这是我的图片，例如：
为了得到这张图片，我已经做了直方图均衡。我想检测中间的那个区域。这是一个很大的灰色区域，但它的灰色阴影仍然不同。
应用阈值不是解决方案，因为该区域可以是浅灰色或深灰色，以及任何类型的灰色。但是该区域将在整个区域或多或少具有相同的灰色。 我在 opencv 中尝试过自适应阈值，但没有得到好的结果：
我也试过 canny 。但结果也很糟糕。
所以我的问题是如何在 opencv 中正确分割类似灰色的区域？
提前谢谢
【问题讨论】：
标签： c++ image-processing opencv image-segmentation threshold
我正在使用 OpenCV 检测机器人曲棍球比赛中的蓝色、黄色或绿色物体。在这里你有一个类似的问题，冰球的“测量”颜色取决于光线和其他因素。通过将我的相机图像转换为 HSV 颜色空间，您可以很好地匹配这些条件（H = 色调，S = 饱和度）。因此，您可以将图像转换为 HSV，然后为您的灰色区域定义一个阈值。（例如，将 30,100,100 和 40,255,255 之间的所有像素设置为 1，其余像素设置为 0。
【讨论】：
好吧，考虑到您的图像有多么嘈杂，您最终可能想要使用 Chan & Vese（以及其他类似作品）的作品。但目前我们可以坚持使用 OpenCV 中实现的基本形态算子。
从形态闭合开始以去除一些小细节，我在这里使用了一个正方形 9x9。然后执行形态梯度以可能突出有趣的边缘，并通过简单的if value > mean + std/2, then 1, else 0 进行分割。如果您丢弃小组件并使用垂直结构元素进行另一次关闭（假设您要垂直连接近段），这就是我们的结尾：
【讨论】：
分割此类区域的一种好方法是构建一组可应用于图像的 Gabor 过滤器，检查每个 gabor 过滤器的响应，并在靠近周围区域的区域中进行集体响应每个 Gabor 过滤器，您都可以渴望得到想要的部分。
1- 构建不同方向和大小的 Gabor 过滤器 2-将它们应用于图像， 3- 测量每个滤波器的响应。 4- 附近的每个过滤器的响应应合理地相互靠近。 5- 然后进行分割。
希望这会有所帮助。
你可以找到更多关于 Gabor 过滤器的信息Here
【讨论】：