消除物体的阴影轮廓

如何解决消除物体的阴影轮廓

我正在寻找想法来帮助改进我当前使用计算机视觉（特别是 opencv 库）进行实时对象检测的方法。我的目标是在各种环境/光照条件下通过图像处理准确检测高尔夫球。我的检测过程可能在 80% 的情况下都运行良好，但我遇到了导致我无法忽视的故障的边缘情况。我现在关注的极端情况是高尔夫球投射的极端阴影。这是一对示例图像。彩色图是我的来源，黑白图是我后期处理的结果。

我的申请有几个重要的变量需要考虑

• 来源来自视频源，并被实时处理
• 可能有风，所以相机抖动可能是一个问题
• 不能保证相机的质量令人难以置信，因此需要考虑额外的噪音/非令人难以置信的分辨率

我不会详细介绍我正在为检测移动物体（卡尔曼滤波器、背景减法等）而进行的处理，因为在这个特定示例中，我无法检测到静止物体（即。球已经休息了）。

1. 在任何球在帧内之前抓取初始帧作为我的基本帧（这将用于背景减法）
2. 将图像转换为灰度
3. 应用中值模糊以消除噪点，否则会因相机抖动、相机质量不佳而变得非常极端
4. 对图像应用自适应阈值。我正在使用 ADAPTIVE_THRESH_GUASSIAN_C 并且一直在尽我所能调整块大小和 C 常量值
5. 应用背景减法（我使用的是内置的 CNT 减法器）
6. 对整个图像应用一个小的膨胀核来尝试增加上述处理后留下的轮廓的大小，因为它们有时会在例如模糊过滤器之后变得非常小
7. 使用带有 RETR_TREE 和 CHAIN_APPROX_SIMPLE 参数的 opencv 的“findContours”
8. 遍历轮廓层次，寻找“填充”的轮廓。与其他具有轮廓的对象相比，高尔夫球应该大部分被完全填充，我可以使用层次结构来确定哪些轮廓被填充或不填充（即它们是否有子轮廓）立>
9. 对于每个填充的轮廓，做一个封闭的圆圈。将封闭圆的面积与轮廓面积进行比较，通过可接受的差异进行过滤以确定对象的圆形程度
10. 另一个通过，按最小/最大区域大小过滤，因为我可以假设相机将始终处于与对象“磨合”相似的高度

从上面的图片中可以看出，当球本身由于阴影而具有很大的对比度时，这种方法会遇到问题。对我来说，自适应阈值通道看起来像是过滤掉了球的较暗部分（由于阴影），从而形成了非圆形。也许我需要拨入自适应阈值通道以允许更多的对比度，因为我们可以假设阴影总是在黑暗的一面并且地面阴影应该比球的阴影部分更暗？如果可能的话，我还想完全消除地面阴影的剩余轮廓。我的猜测是阴影的边缘稍亮是它们没有被我的自适应阈值传递过滤掉的原因。接受任何和所有建议:-)