OpenCV - 在视频和图像上查找黑板边缘

Question

更新

你可以在这里找到我在 GitHub 上测试的所有图片：

GitHub repository with sources

还有 2 个视频，也应该在其中进行检测

原始问题

我尝试使用 OpenCV 4.x.x 找到黑板的边缘（如下图），但不知何故我无法成功。我目前的代码如下所示：（带有 OpenCV 和实时摄像头馈送的 Android），其中 imgMat 是来自摄像头馈送的 Mat：

    Mat gray = new Mat();
    Imgproc.cvtColor(imgMat, gray, Imgproc.COLOR_RGB2BGR);

    Mat blurred = new Mat();
    Imgproc.blur(gray, blurred, new org.opencv.core.Size(3, 3));

    Mat canny = new Mat();
    Imgproc.Canny(blurred, canny, 80, 230);

    Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new org.opencv.core.Size(2, 2));
    Mat dilated = new Mat();
    Imgproc.morphologyEx(canny, dilated, Imgproc.MORPH_DILATE, kernel, new Point(0, 0), 10);
    Mat rectImage = new Mat();
    Imgproc.morphologyEx(dilated, rectImage, Imgproc.MORPH_CLOSE, kernel, new Point(0, 0), 5);
    Mat endproduct = new Mat();
    Imgproc.Canny(rectImage, endproduct, 120, 230);

    List<MatOfPoint> contours = new ArrayList<>();
    Mat hierarchy = new Mat();
    Imgproc.findContours(endproduct, contours, hierarchy, Imgproc.RETR_LIST, Imgproc.CHAIN_APPROX_SIMPLE);

    double maxArea = 0;
    boolean hasContour = false;
    MatOfPoint2f biggestContour = new MatOfPoint2f();
    Iterator<MatOfPoint> each = contours.iterator();
    while (each.hasNext()) {
        MatOfPoint wrapper = each.next();
        double area = Imgproc.contourArea(wrapper);
        if (area > maxArea) {
            maxArea = area;
            biggestContour = new MatOfPoint2f(wrapper.toArray());
            hasContour = true;
        }
    }

    if (hasContour) {
        Mat output = imgMat.clone();

        MatOfPoint2f approx = new MatOfPoint2f();
        MatOfPoint poly = new MatOfPoint();

        Imgproc.approxPolyDP(biggestContour, approx, Imgproc.arcLength(biggestContour, true) * .02, true);
        approx.convertTo(poly, CvType.CV_32S);

        Rect rect = Imgproc.boundingRect(poly);

     }

尽管相同的代码（用 python 编写）在我的计算机上运行并带有视频，但不知何故我无法让它工作。我从矩形中取出输出并将其显示在我的手机屏幕上，它在屏幕上闪烁很多并且无法正常工作。

这些是我尝试过 python 程序的图像，它们有效：

我做错了什么？我无法经常检测到黑板的边缘。

关于黑板的其他信息：

• 总是矩形
• 可能有不同的照明
• 应该忽略文本，只检测主板
• 外部黑板也应忽略
• 只应显示/返回主板的轮廓

感谢任何建议或代码！

Answer 1

我使用 HSV 是因为这是检测特定颜色的最简单方法。我使用了一个丰度测试来自动选择颜色阈值（所以这适用于绿色或蓝色板）。但是，此测试在白色或黑色板上会失败，因为根据色调，白色和黑色算作所有颜色。相反，在 HSV 中，白色和黑色最容易被检测为非常低的饱和度（白色）或非常低的值（黑色）。

我对每个进行了 3 路检查，并选择了其中像素最多的蒙版（我假设板是图像的大部分）。我不确定这将如何处理其他图像，因为我们这里只有一个，所以这可能适用于其他板，也可能不适用。

我使用 approxPolyDP 减少轮廓中的点数，直到我有 4 个点并用它来绘制形状。

import cv2
import numpy as np

# get unique colors (to speed up search) and return the most abundant mask
def getAbundantColor(channel, margin):
    # get uniques
    unique_colors, counts = np.unique(channel, return_counts=True);

    # check for the most abundant color
    most = None;
    biggest_count = -1;
    for col in unique_colors:
        # count number of white pixels
        mask = cv2.inRange(channel, int(col - margin), int(col + margin));
        count = np.count_nonzero(mask);

        # if bigger, set new "most"
        if count > biggest_count:
            biggest_count = count;
            most = mask;
    return most, biggest_count;

# load image
img = cv2.imread("blackboard.jpg");

# it's huge, scale down so that we can see the whole thing
h, w = img.shape[:2];
scale = 0.25;
h = int(scale*h);
w = int(scale*w);
img = cv2.resize(img, (w,h));

# hsv
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV);
h,s,v = cv2.split(hsv);

# median blur to get rid of most of the text
h = cv2.medianBlur(h, 5);
s = cv2.medianBlur(s, 5);
v = cv2.medianBlur(v, 5);

# get most abundant color
color_margin = 30;
hmask, hcount = getAbundantColor(h, color_margin);

# detect white and black separately
light_margin = 30;
# white
wmask = cv2.inRange(s, 0, light_margin);
wcount = np.count_nonzero(wmask);

# black
bmask = cv2.inRange(v, 0, light_margin);
bcount = np.count_nonzero(bmask);

# check which is biggest
sorter = [[hcount, hmask], [wcount, wmask], [bcount, bmask]];
sorter.sort();
mask = sorter[-1][1];

# dilate and erode to close holes
kernel = np.ones((3,3), np.uint8);
mask = cv2.dilate(mask, kernel, iterations = 2);
mask = cv2.erode(mask, kernel, iterations = 4);
mask = cv2.dilate(mask, kernel, iterations = 2);

# get contours # OpenCV 3.4, in OpenCV 2* or 4* it returns (contours, _)
_, contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE);

# for each contour, approximate a simpler shape until we have 4 points
simplified = [];
for con in contours:
    # go until we have 4 points
    num_points = 999999;
    step_size = 0.01;
    percent = step_size;
    while num_points >= 4:
        # get number of points
        epsilon = percent * cv2.arcLength(con, True);
        approx = cv2.approxPolyDP(con, epsilon, True);
        num_points = len(approx);

        # increment
        percent += step_size;

    # step back and get the points
    # there could be more than 4 points if our step size misses it
    percent -= step_size * 2;
    epsilon = percent * cv2.arcLength(con, True);
    approx = cv2.approxPolyDP(con, epsilon, True);
    simplified.append(approx);
cv2.drawContours(img, simplified, -1, (0,0,200), 2);

# print out the number of points
for points in simplified:
    print("Num Points: " + str(len(points)));

# show image
cv2.imshow("Image", img);
cv2.imshow("Hue", h);
cv2.imshow("Mask", mask);
cv2.waitKey(0);

编辑：为了适应电路板颜色和外观的不确定性，我假设电路板本身将占图片的大部分。涉及分拣机的线条正在寻找图像中最丰富的颜色。如果棋盘后面的白墙在图像中占据了更多空间，那么这就是为蒙版选择的颜色。

还有其他方法可以尝试仅选择电路板，但很难想出一个包罗万象的解决方案。如果您能想出某种方式来屏蔽电路板，那么其余代码应该可以完成相同的工作。如果您愿意在未知颜色假设上做出让步并提供失败案例的原始图片，那么我可能会想出一个合适的蒙版。