亮暗图像检测

Question

我正在做一个关于分析树木绿色趋势的项目。在初始处理方面，我得到了全部 500 张图像的强度值，并确定了从数据集中选择好的图像的阈值。大约在 60 到 122 之间，我将该范围命名为好图像。在 @Andriy Makukha 的帮助下，我还从数据集中检测到了一些雾/霾图像。

然而，当我试图用同样的方法来区分不同意义上的好图片和坏图片时，它根本不起作用。如下图所示：

这是我的平均强度和阈值代码：

 im = Image.open('IMAG0170.JPG')
 im_grey = im.convert('LA')
 width,height = im.size

 total=0
 for i in range(0,width):
   for j in range(0,height):
     total += im.getpixel((i,j))[0]

 mean = total / (width * height)
 print mean

import cv2
import numpy as np
from matplotlib import pyplot as plt

results = []
for dirpath, dirnames, filenames in     os.walk("/Users/Terrynightbleach/Desktop/Dataset-Tree/No1_Leith Valley/"):
  for filename in [f for f in filenames if f.endswith('.JPG')]:
    img = cv2.imread(filename)
    avg_color_per_row = numpy.average(img, axis=0)
    avg_color = numpy.average(avg_color_per_row, axis=0)
    results.append(sum(avg_color/3))
np_results = np.array(results)
plt.hist(np_results,bins=100)
plt.show()

就这个网站而言，真的很难确定阈值。有什么方法可以用来区分数据集中的高强度暗图片吗？ 如果我打算专注于局部方差并运行窗口方法，一些专家能否给我一个提示。非常感谢...

Answer 1

我仍然不太确定您在寻找“好”图像中的确切内容，但我会仔细研究一下。我在这里做了一些很大的假设，但看起来所有这些图像都来自一些每次拍摄相同位置/视图的网络摄像头。如果这一种观点是您唯一需要担心的观点，那么我会利用这样一个事实，即晚上灌木在底部 2/3 处，而顶部 1/3 基本上全是黑色的。

对于粗略的夜间/白天过滤器，您可以在灌木丛开始之前检查前 N 行，如果它们真的很暗（接近，如果不是真的黑色），那么您可以折腾夜间图像。

对于其余部分，我将再次使用这些是植物的事实，像素绿色通道将更加有用。即一些计算来检查 G 值比 R & B 值大多少可能真的很有帮助。