如何分割弯曲的道路/车道/路径/轨道/对象等？答案

【问题标题】：How to segment curved roads/lanes/paths/tracks/objects etc?如何分割弯曲的道路/车道/路径/轨道/对象等？
【发布时间】：2021-05-21 02:54:02
【问题描述】：

有没有像下图那样使用图像处理技术分割检测轨迹？

图 1：沙地上的车轮轨迹

图 2：要检测的轨道示例

【问题讨论】：

即使是很难看到轨迹的人类。即使您可以分割轨道像素，我认为由于所有交叉点都很难提取轨道。根据我的直觉，我猜这目前还不能很好地解决。
如果每一帧只存在一个轨道（以蓝色绘制）而不是其他轨道的交叉点和人群。在这种情况下是否可以只跟踪一个轨道段？
分割轨道像素，也许你可以提一下如何做到这一点？
问题在于跟踪整个轨道路径。由于不同图像的强度不同，很难找到一种万能的解决方案。另一个问题是轨道的尾部，我认为这很难检测到。我建议你研究一个深度学习解决方案（试试lmb.informatik.uni-freiburg.de/people/ronneber/u-net）。如果您有足够的数据（如果不使用迁移学习）以及标记它们的时间。干杯。
@Merlin 我认为即使分割轨道像素对于此类图像也非常具有挑战性。您可以尝试像 SOBEL 算子这样的梯度提取，结合一些聚类或局部归一化，并将结果与颜色聚类的一些掩蔽相结合（以区分沙子与海/海岸/遮阳伞和其他导致边缘/渐变的东西）。但实际上，这对我来说非常具有挑战性。

标签： python opencv image-processing computer-vision image-segmentation

【解决方案1】：

在我看来，答案是否定的。首先我去掉了光照效果，然后应用 Canny 来获取图像的特征，只有部分轨迹是可见的。接下来，我执行了彩色分割以获得二进制掩码。然后我使用二进制掩码去除背景，再次看到唯一的部分轨道。

去除光照效果：为了让轨迹更显眼，我们需要减少图像中的闪电。为了减少，我们将使用cv2.GaussianBlur 平滑图像，然后使用cv2.divide 使像素在比例范围内均匀分布。

# Load the image
img = cv2.imread("v1uU4.jpg")

# Convert to the gray-scale
gry = convert_to_grayscale(img)

# Remove the lightning effect
blr = cv2.GaussianBlur(gry, (125, 125), 0)
div = cv2.divide(gry, blr, scale=192)

1. 显示图像的特征：然后我们加载非光照图像，将其转换为灰度，应用高斯平滑得到图像的特征：
- ```
# Load non-lightning image
img = cv2.imread("non-lightning.png")

# Convert to the gray-scale
gry = convert_to_grayscale(img)

# Remove the lightning effect
blr = cv2.GaussianBlur(gry, (5, 5), 0)

# Find canny features
cny = cv2.Canny(blr, 50, 200)
```
- 在这里您可以看到只有轨道的左侧部分可见。当然，不同的参数会给出不同的结果。如果您愿意尝试它们，就会有更多不需要的功能可用。

第二种方法

颜色分割 我们将加载非照明图像，转换为 HSV 颜色空间并使用cv2.inRange 找到二进制掩码。然后我们使用二进制掩码使轨道更加明显。

# Convert to HSV color-space
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# Perform color-segmentation to get the binary mask
lwr = np.array([0, 0, 0])
upr = np.array([179, 255, 194])
msk = cv2.inRange(hsv, lwr, upr)

使用二进制掩码提取轨迹：

# Extracting the rod using binary-mask
krn = cv2.getStructuringElement(cv2.MORPH_RECT, (50, 30))
dlt = cv2.dilate(msk, krn, iterations=5)
res = 255 - cv2.bitwise_and(dlt, msk)

在我看来，移除背景并只显示可见轨道是不可能的。

【讨论】：