水边检测

Question

在 OpenCV 中是否有一种可靠的方法来检测水线，例如这张图片中的河流边缘？

_{（来源：pequannockriver.org）}

Answer 1

这项任务具有挑战性，因为必须使用多种技术组合。此外，对于每种技术，数值参数可能只能在非常窄的范围内正确工作。这意味着人类专家必须对每张图像进行反复试验来调整它们，或者必须使用许多不同的参数多次执行该技术，以便选择正确的结果。

以下大纲高度特定于此示例图像。它可能不适用于任何其他图像。

一点建议： 像往常一样，任何多步骤图像分析都应始终从最可靠的步骤开始，然后继续直到不太可靠的步骤。只要有可能，不太可靠的步骤应该利用更可靠的步骤的结果来提高其自身的准确性。

天空检测

将图像转换为 HSV 颜色空间，并找到位于图像上半部分的青色。

保留此 HSV 图像，因为它对接下来的几个步骤也很方便。

灌木检测

Run Canny edge detection on the grayscale version of image, with suitably chosen sigma and thresholds.这将拾起灌木上的树枝，看起来像一堆噪音。同时，水面会比较光滑。

在此技术中使用灰度以减少反射对水面的影响（灌木的绿色和黄色反射）。可能还有其他色彩空间（或预处理技术）更能够消除这种反射。

从低仰角角度检测水波纹

首先，标记所有已归类为灌木或天空的图像部分。由于灌木检测比水检测更可靠，因此灌木检测的结果应用于通知不太可靠的水检测。

观察

由于低仰角视点，水波纹显得水平拉长。事实上，每个图像特征看起来都是水平拉伸的。这称为Anisotropy。我们可以利用这种趋势来检测它们。

注意：我在各向异性检测方面没有经验。也许你可以从其他人那里得到更好的想法。

想法 1：

使用maximally-stable extremal regions (MSER) 作为斑点检测器。

维基百科的介绍看起来很吓人，但它确实与连通分量算法有关。类似于Dijkstra's algorithm 的简单实现可以完成。

想法 2：

请注意，图像特征是水平拉伸的，更简单的方法是将水平梯度的绝对值相加，并将其与垂直梯度的绝对值之和进行比较。