图像处理中的工业级前景/背景分离答案

【问题标题】：Industrial grade foreground/background separation in image processing图像处理中的工业级前景/背景分离
【发布时间】：2013-11-09 04:24:25
【问题描述】：

我的问题可能不合理。但我想知道图像处理中真正的工业级前景/背景分离是什么。我的应用程序是我需要从背景中提取对象。在连续图像中跟踪移动的前景对象很容易，但是对于静止图像（仅一张图像）而不是使用阈值，还有什么比阈值更有效呢？谢谢

【问题讨论】：

对我投反对票的人，请给我一个合理的理由。我的查询有什么问题？如果你不知道就忽略它。如果您认为没有意义，或者我的问题对任何人都没有好处，请给我理由。只是不要无缘无故地投票。我认为我的问题很公平，如果我能从专业人士那里得到反馈，那么其他人也会受益。
我认为可行的方法可能是非常特定于应用程序的，但您可能想看看@ 1) 在实验室颜色空间中尝试 kmeans(2 cluster) 聚类，然后应用抖动算法。 2) 活动轮廓/水平集
@Zaw Lin：您好，谢谢，kmean 聚类适用于哪个图像？在原始图像阶段，如何应用kmean？
@Zaw Lin：哦，是的，很有趣，我在这个链接中看到了它mathworks.com/products/image/…

【解决方案1】：

其实还有很多其他的方法可以尝试。在我看来，阈值实际上是一种非常好的提取对象的方法。但是，如果您愿意，实际上还有很多其他方法可以根据情况考虑。

1)如果背景是固定的，你可以简单地尝试背景减法。剩下的就是奇怪的东西，在这种情况下，就是您要提取的对象。

2）如果您尝试提取的对象是特定的，无论背景如何，您都可以使用特征提取、分类器（例如 Haar）

3) 如果对象具有特定的形状，例如圆形、矩形，您可以使用 Hough 和 Canny，例如，或形状检测，在网络上有很多可用的。

4)如果您尝试提取的对象具有特定颜色，您可以查看 HSV、LAB 空间，它们都比 RGB 好得多。您也可以尝试使用诸如分水岭之类的预处理方法（还有很多其他方法）

还有很多很多很多其他的，具体取决于场景。希望有帮助。

【讨论】：

【解决方案2】：

我不知道这是否是您问题的答案，但如果相机是静止的，您可以查看光流。这会跟踪视频流中的移动对象。它查看图像的变化，然后可以分离背景和前景。 [1]：http://www.mathworks.com/discovery/optical-flow.html

希望对你有帮助

【讨论】：

谢谢，是的，这是用于在多个图像中移动对象。但是对于单个图像，我只想提取对象。我的想法是必须应用边缘检测和阈值。
有多种选择。您想从哪种图像中提取对象？彩色或灰度。如果是灰度边缘检测是一个选项，如果是彩色图像，您也可以使用 SalientMap，但这取决于图片的种类和背景的种类。