【发布时间】：2017-11-06 14:40:09
【问题描述】：
如何根据下图用opencv准确统计玉米树？我已经尝试使用 inRange 进行 HSV 转换，但到目前为止一无所获。
有没有一种方法可以正确计算树木数量？即使降噪，我认为它也不会算作财产。
【问题讨论】：
-
尝试一些模板匹配...
-
你能给我举个例子吗？
【发布时间】：2017-11-06 14:40:09
【问题描述】：
我选择了一个模板如下... 当我尝试运行模板匹配时，我得到了以下匹配.. 匹配很好，因为我从图像的那部分选择了模板。但是，当阈值编辑时，包含完整图像不同区域匹配程度值的结果图像看起来像这样.. 因此，您可以看到，如果您计算白色斑块（忽略小噪音），您几乎可以得到可能的作物数量......！！
编辑
如果您尝试在RGB图像的绿色平面
中进行模板匹配，您可以获得更精确的结果【讨论】：
-
如何忽略小噪音（忽略较小的白点）？
-
1) 如何在全图的不同区域应用匹配程度？ 2）您是否只使用了一种灰度转换？ 3）你做了什么样的门槛？
-
findContours() 在这种情况下没有解决计数问题。
-
我已经应用了模板匹配。但是，我无法获得像您这样的结果（带有白色斑块的黑白图像）。
-
好吧，我会很感激的 :-)
实施几个简单的预处理步骤后，您的问题更容易解决。看看我得到的结果：
步骤：
- 将 RGB 转换为 LAB 图像
- 提取 A 通道（丢弃 L、B 通道）
- 拉伸/最大化图像对比度
- 使用 Otsu 的最佳阈值选择进行二值化
- 反转图像，使前景为白色，背景为黑色
基于此图像模板匹配或其他检测方法应该会更好。
【讨论】：
-
好的，小白点和右下角的那个呢？我应该使用 findContour 来计算它们吗？
-
左上角的小点其实是植物。要摆脱其他较小的点，您可以使用侵蚀过滤器。我现在不想谈第二阶段的细节。这取决于你:-)。
-
我将在几分钟后发布我的代码 - 我是这个计算机视觉主题的新手（只知道基础知识）。
-
我已经用源代码更新了我在顶部的帖子。大津的门槛和侵蚀对我来说都是新闻:-)
-
#include <opencv2/imgproc/imgproc.hpp> #include <opencv2/highgui/highgui.hpp> using namespace cv; using namespace std; int main() { Mat src = imread("corn.jpg"); if (src.empty()) { return -1; } Mat lab; cvtColor(src, lab, CV_BGR2Lab); imshow("LAB", lab); return 0; }我真的很坚持