OpenCV image filtre - remplacer le noyau avec maximum local

Question

Quelques détails sur mon problème:

Je suis en train de réaliser le détecteur d'angle dans OpenCV (un autre algorithme, qui sont intégrés: Canny, Harris, etc.) .

J'ai une matrice remplie avec les valeurs de réponse. La plus grande valeur de réponse est la plus grande probabilité de coin détecté.

J'ai un problème, au voisinage d'un point il y a peu de coins détectés (mais il n'y en a qu'un). Je dois réduire le nombre de faux coins détectés.

problème exact:

je dois marcher à travers la matrice avec un noyau, calculer la valeur maximale de chaque noyau, laisser des valeurs valeur maximale, mais d'autres dans le noyau faire est égal à zéro.

Existe-t-il des fonctions OpenCV intégrées pour cela?

Answer 1

Voilà comment je le ferais:

1. Créer un noyau, il définit un quartier de pixels.
2. Créez une nouvelle image en dilatant votre image en utilisant ce noyau. Cette image dilatée contient la valeur de voisinage maximale pour chaque point.
3. Effectue une comparaison d'égalité entre ces deux tableaux. Chaque fois qu'ils sont égaux, il s'agit d'un maximum de voisinage valide et il est défini sur 255 dans le tableau de comparaison.
4. Multipliez le tableau de comparaison et le tableau d'origine ensemble (mise à l'échelle appropriée).
5. Ceci est votre dernier tableau, contenant uniquement les maxima de voisinage.

Ceci est illustré par ces zoomé images:

9 pixel par 9 image originale pixel:

Après traitement avec 5 par 5 noyau de pixels, seul le voisinage local maxima restent (ie.maxima séparés par plus de 2 pixels à partir d'un pixel d'une valeur plus élevée):

Il y a une mise en garde. Si deux maxima voisins ont la même valeur, ils seront tous deux présents dans l'image finale.

Voici un code Python qui le fait, il devrait être très facile à convertir en C++:

import cv 

im = cv.LoadImage('fish2.png',cv.CV_LOAD_IMAGE_GRAYSCALE) 
maxed = cv.CreateImage((im.width, im.height), cv.IPL_DEPTH_8U, 1) 
comp = cv.CreateImage((im.width, im.height), cv.IPL_DEPTH_8U, 1) 
#Create a 5*5 kernel anchored at 2,2 
kernel = cv.CreateStructuringElementEx(5, 5, 2, 2, cv.CV_SHAPE_RECT) 

cv.Dilate(im, maxed, element=kernel, iterations=1) 
cv.Cmp(im, maxed, comp, cv.CV_CMP_EQ) 
cv.Mul(im, comp, im, 1/255.0) 

cv.ShowImage("local max only", im) 
cv.WaitKey(0) 

Je ne savais pas jusqu'à présent, mais est ce que @sansuiso a suggéré dans son/sa réponse .

C'est peut-être mieux illustré avec cette image, avant:

après le traitement avec un 5 par 5 noyau:

régions solides sont dues à la commune locale valeurs maximales.

Answer 2

Je suggère une procédure en 2 étapes d'origine (il peut exister des approches plus efficaces), qui utilise OpenCV fonctions intégrées:

1. Etape 1: dilatation morphologique avec un noyau carré (correspondant à votre quartier). Cette étape vous donne une autre image, après avoir remplacé chaque valeur de pixel par la valeur maximale à l'intérieur du noyau. Étape 2: Tester si la valeur de la corné de chaque pixel de l'image de réponse originale est égale à la valeur maximale donnée par l'étape de dilatation. Si non, alors il existe évidemment un meilleur coin dans le quartier.

Answer 3

Si vous recherchez une fonctionnalité intégrée, FilterEngine vous aidera à créer un filtre personnalisé (noyau).

http://docs.opencv.org/modules/imgproc/doc/filtering.html#filterengine

Aussi, je recommande une sorte de réduction du bruit, flou général, avant tout traitement. C'est à moins que vous ne vouliez vraiment l'image brute.