检测台球桌上的球（条纹和固体）

Question

我找不到关于该主题的任何令人满意的答案。我想制作一个程序，从台球桌上方的相机获取快照并检测球。我正在使用 OpenCV 和 Java。我现在的算法基本上是：

模糊图像 -> 将 RGB 转换为 HSV -> 分成 3 个平面 -> 在 H 平面上使用 Canny() -> 使用 HoughCircles() 方法检测球

这个算法很好地检测球，它只对两个球有问题（绿色和蓝色，因为桌子的背景是绿色的）。但我想更进一步：

• 检测球是属于条纹还是固体
• 为每个球设置一个 ID，例如条纹为 1-7，实心为 8-14，每个球都有唯一的 ID，在比赛期间不会更改

您知道如何实施任务 #1 吗？我的想法是使用 inRange() 函数，但是我必须为每个球准备一个掩码，以检测指定颜色范围内的一个球，并对每个球进行此检测，对吗？感谢您分享您的意见。

@Edit：这里我给你一些我的算法如何工作的示例。我更改了一些参数，因为我想检测所有内容，现在效果更差了，但它仍然可以非常准确地工作。我会给你三个来自相机的原始图像样本，我检测到球的图像（未失真，带有一些过滤器）和检测到球的图像。

Answer 1

推荐：

如果您可以屏蔽与球对应的像素，则以下方法应该可以根据相关像素区分条纹/实心球：

1. 去饱和球像素并在一定亮度p阈值。
2. 统计球区内的白色像素数和总像素数。
3. 计数阈值：如果白色像素的比例大于某个阈值q，则将其归类为条纹球。否则，它就是一个实心球。

（这个想法是条纹是白色的，并且总是至少部分可见，因此条纹球将具有更高比例的白色像素）。

---

样本测试：

这是一个示例（手动，使用p = 0.7）应用于unrectified 图像中的一些球，右侧有最后的 % 白色像素。

看起来q = 0.1 的分类阈值（至少 10% 的白色像素是条纹球）可以区分这两组，尽管根据更多数据调整阈值是理想的。

如果您在使用此方法时遇到了阴影球的问题，您还可以尝试在阈值化之前重新调整每个球的亮度（使亮度跨越 0、1 的整个范围），这样可以减少该方法对绝对亮度的依赖.