Извлеките планировку и порог с помощью OpenCV и Python - PullRequest
Новая
       112

Извлеките планировку и порог с помощью OpenCV и Python

2 голосов
/ 04 октября 2019

Я пытался использовать SSIM , чтобы извлечь разницу между двумя изображениями, чтобы получить только площадь пола ( image_a - это оригинал, а image_b нарисовалпол).

Ожидаемый вывод - это пороговая маска.

Проблема, с которой я столкнулся, заключалась в том, что пороговое значение разницы ssim просто не работало в моем случае (пример показан ниже).

Может ли кто-нибудь предоставить лучшую технику или теорию порогового значения? 

from skimage.measure import compare_ssim
import cv2
...

image_a = cv2.imread(first)
image_b = cv2.imread(second)

gray_a = cv2.cvtColor(image_a, cv2.COLOR_BGR2GRAY)
gray_b = cv2.cvtColor(image_b, cv2.COLOR_BGR2GRAY)

_, diff = compare_ssim(gray_a, gray_b, full=True, gaussian_weights=True)
diff = (diff * 255).astype("uint8")

thresh = cv2.threshold(diff, 0, 255,
                       cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]

contours = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours = contours[0] if len(contours) == 2 else contours[1]

contour_sizes = [(cv2.contourArea(contour), contour) for contour in contours]


if len(contour_sizes) > 0:
    largest_contour = max(contour_sizes, key=lambda x: x[0])[1]
    x, y, w, h = cv2.boundingRect(largest_contour)
    cv2.rectangle(image_a, (x, y), (x + w, y + h), (36, 255, 12), 2)
    cv2.rectangle(image_b, (x, y), (x + w, y + h), (36, 255, 12), 2)

cv2.imwrite('image_a.jpg', image_a)
cv2.imwrite('image_b.jpg',image_b)
cv2.imwrite('thresh.jpg', thresh)

image_a с максимальным обнаруженным контуром enter image description here image_b собнаружен максимальный контур enter image description here порог enter image description here

1 Ответ

3 голосов
/ 07 октября 2019

Лучший результат можно получить, установив пороговое значение среднего значения разности между данными изображениями. 

def get_mask(img1, img2, thresh):
    if img1.shape != img2.shape:
        return
    diff = cv2.absdiff(img1, img2)
    diff = np.mean(diff, axis=2)
    diff[diff <= thresh] = 0
    diff[diff > thresh] = 255
    mask = np.dstack([diff] * 3)
    return mask

thresh_morph

В результате могут появиться артефактымаска и может быть уменьшена путем применения Морфологические преобразования .

...