使用OpenCV获得完整的形状图案

如何解决使用OpenCV获得完整的形状图案

我正在使用不同的OpenCV操作编写脚本，以使用房屋屋顶的太阳能电池板处理图像。我的原始图片如下：

在处理完图像后，我得到了面板的边缘，如下所示：

可以看到由于图片中太阳的反射，一些矩形是如何被破坏的。

我想知道是否有可能修复那些坏掉的矩形，也许是通过使用那些没有坏掉的矩形来修复。

我的代码如下：

>>> re.split("(\W+)","Words,words,words.",maxsplit=1)
['Words',','words,words.']

>>> re.split("(:)",":a:b::c",maxsplit=2)
['',':','a','b::c']
>>> re.split("((:))",'b::c']

我试图修改我正在使用的所有滤镜，以尽可能减少原始图片中太阳的影响，但这是我所能做到的。

我对所有这些滤镜的效果总体上感到满意（尽管欢迎提出任何建议），所以我想处理我显示的黑白图像，该图像对于后期处理已经足够平滑了我需要做。

谢谢！

解决方法

图案在原始图像中没有被破坏，因此在二值化结果中被破坏必须意味着您的二值化不是最佳的。

您应用threshold()来对图像进行二值化，然后将Canny()应用于二进制图像。这里的问题是：

1. 阈值处理会删除很多信息，这应该始终是任何处理管道的最后一步。您在这里失去的任何东西，都会永远失去。
2. Canny()应该应用于灰度图像，而不是二进制图像。
3. Canny边缘检测器是边缘检测器，但是您要检测线而不是边缘。有关差异，请参见here。

所以，我建议从头开始。

The Laplacian of Gaussian is a very simple line detector。我采取了以下步骤：

1. 读入图像，转换为灰度。
2. 应用sigma = 2的高斯拉普拉斯算子。
3. 反转（取反）结果，然后将负值设置为0。

这是输出：

从这里开始，识别网格图案应该相对简单。

我不发布代码，因为我为此使用了MATLAB，但是您可以使用here is a demo for applying the Laplacian of Gaussian in OpenCV使用OpenCV在Python中完成相同的结果。

---

这是Python + OpenCV代码，用于复制上面的内容：

import cv2

color_image = cv2.imread("/Users/cris/Downloads/L3RVh.jpg")
img = cv2.cvtColor(color_image,cv2.COLOR_BGR2GRAY)
out = cv2.GaussianBlur(img,(0,0),2)  # Note! Specify size of Gaussian by the sigma,not the kernel size
out = cv2.Laplacian(out,cv2.CV_32F)
_,out = cv2.threshold(-out,1e9,cv2.THRESH_TOZERO)

但是，从BGR转换为灰色时，OpenCV似乎无法线性化（应用伽马校正），因为转换功能与我在上面创建图像时使用的转换功能相同。我认为这种伽马校正可能会通过减少对屋顶砖的响应来改善结果。