图像算法中的对象计数答案

【问题标题】：Counting object on image algorithm图像算法中的对象计数
【发布时间】：2012-09-21 05:01:33
【问题描述】：

我又接到了学校的任务。这一次，我的老师给我的任务是创建算法来计算图片上有多少只鸭子。

图片和这张类似：

我想我应该使用模式识别来搜索上面有多少只鸭子。但我不知道每只鸭子匹配哪种模式。

【问题讨论】：

你的老师应该在课堂上告诉你如何完成这项任务。如果你不知道，你可能应该多加注意！如果您有特定的编程问题，请编辑该问题以便它提出该问题。否则，也许你应该问你的老师。
老师不知道t give any clue. I have to fid out by myself. I think I should use pattern recognition. But I dont 知道图像的哪个部分可以为每只鸭子图案。我不需要源代码。只是算法或伪代码。
http://www.DuckOverflow.com/
坦率地说，这看起来不像是家庭作业，太复杂了恕我直言。
这是一个非常有趣的家庭作业，虽然我同意它很复杂！

【解决方案1】：

我认为你可以通过分割鸭子的喙并计算二进制图像中connected components的数量来解决这个问题。

要分割鸭嘴，首先将图像转换为HSV color space，然后使用色调组件执行二值化。请注意，鸭子的喙部色调与图像的其他部分不同。

【讨论】：

【解决方案2】：

这是一种方法：

圆的霍夫变换：

初始化由 (x,y,radius) 索引的累加器数组
对于每个像素：
- 计算边缘（例如，Sobel 算子将提供幅度和方向），如果幅度超过某个阈值，则：
  - 增加该边缘可能提供证据的每个累加器（仅边缘方向上的 (x,y)，仅 min_duck_radius 和 max_duck_radius 之间的半径）
现在对累加器阵列进行平滑和阈值化处理，最高累加器的坐标会告诉您磁头的位置。如果您对累加器中的值进行直方图绘制，阈值可能会突飞猛进（“大量证据”和“噪声”之间可能存在明显差异）。

所以这很简洁，但它可以让你开始。

【讨论】：

【解决方案3】：

这可能只是因为我现在正在与 SIFT 合作，但在我看来它可能对您的问题有好处。

这是一种算法，在两张不同的图片上匹配相同的对象，其中对象可以有不同的方向、比例，并在两张图片上从不同的角度观看。当一个对象被另一个对象部分隐藏（就像你的鸭子一样）时，它也可以工作。

您应该记住，与 SIFT（以及其他任何东西）的匹配并不完美 - 因此您可能无法获得图片中橡胶鸭子的准确数量。

【讨论】：

您好，谢谢您的回答。但我认为如果使用 SIFT，我的图像几乎不会被检测到。既然有鸭子脸不厚道。
hm，确实如此...但是由于 SIFT 在视角变化下（在一定程度上）是不变的，因此使用几（2-3）张学习图片可能就足够了（鸭子前进，向后，也许从侧面）。而且，正如我已经提到的，不存在可以识别任何位置/方向的任何对象的通用且完美的方法
先用 SIFT 识别正面和侧面的鸭子怎么样？一旦你得到这些，将这些区域空白（用 255 或其他东西填充它们的边界框）。然后用 SIFT 得到背向鸭，基本能识别出黄色的球状。答案中给出的链接很棒，这是另一个以防万一（使用 OpenCV）：aishack.in/2010/07/implementing-sift-in-opencv