我的问题很简单。我对中值滤波的灰度图像进行了 Sobel 滤波。索贝尔滤波后的图像是
矩形对象是我感兴趣的。我正在尝试从图像中提取它。
如您所见，除了物体之外，由于地板的纹理，还有更多的噪音。因此，边缘图像如下（带有更多错误边缘）
sobel滤波后如何消除噪声？或者我该如何克服这个障碍？
您的建议或指导将帮助我深入了解图像处理及其挑战。
谢谢
【问题讨论】：
标签： opencv edge-detection image-segmentation
消除噪音很重要。主要答案是：这取决于你必须做什么。
首先，您必须为过滤器提供可能的最佳图像，因此请尝试一些预处理，例如模糊、阈值或histogram equalisation。
然后，形态算子通常是一种常见的处理方式。您可以找到一些关于这些运算符here 或here 的文档。
然后，您可以根据您对这张图片的处理方式继续前进。例如，如果您的目标是检测 blob，您可以过滤 blob，消除通过 image moments 计算其面积的最小 blob。
或者，如果您需要检测线条，请尝试查看Hough transform。
你可以在网上找到很多关于斑点检测的教程。如果你不知道它是什么，最好google一下，它是计算机视觉的基础部分。以下是一些链接：here、here、here、here 或 here。此外，opencv 版本 2.4.8 有一个用于 blob 提取的内置类：here。 This 是一个简单的教程，解释了 cv::findContours 的主要功能。
简而言之，斑点检测是一个获取二值图像（黑白，CV_8U 类型）并返回一组轮廓的过程，这些轮廓界定了一些connected-component 区域。轮廓（或 blob）实际上是一些 2d 点的向量，用于界定一个形状。您可以找到一些属性，例如面积、质心等。
最好学习一点图像处理和计算机视觉基础知识，我可以建议你这个著名的book：数字图像处理，Rafael C. Gonzalez，Richard Eugene Woods。您可以在 Google 图书或网络上的其他地方找到它。
【讨论】：
在@nkint 的建议下，我解决了这个问题。现在，我能够摆脱 Canny 边缘检测的噪音。主要贡献来自Bilateral filter，也来自sharpening 过滤器。
我的新canny边缘检测图像如下
双边滤波器被称为边缘保持滤波器。对于具有相似值的表面，它的工作原理类似于高斯滤波器。同时，它忽略了不太相似的像素，从而保留了边缘。
【讨论】：