Очистка сегментированного изображения в OpenCV

Question

У меня есть этот оригинальный:

После сегментации я получил это изображение:

Как вы можете видеть, что это еще не совсем сегментированным. Любые предложения по дальнейшему «очистке» этого сегментированного изображения? Вот мой код:

using namespace cv; 
using namespace std; 

Mat COLOR_MAX(Scalar(65, 255, 255)); 
Mat COLOR_MIN(Scalar(15, 45, 45)); 

int main(int argc, char** argv){ 

Mat src,src2,hsv_img,mask,gray_img,initial_thresh,second_thresh,add_res,and_thresh,xor_thresh,result_thresh,rr_thresh,final_thresh; 
// Load source Image 
src = imread("banana2.jpg"); 
src2 = imread("Balanced_Image1.jpg"); 
imshow("Original Image", src); 
cvtColor(src,hsv_img,CV_BGR2HSV); 
imshow("HSV Image",hsv_img); 

//imwrite("HSV Image.jpg", hsv_img); 

inRange(hsv_img,COLOR_MIN,COLOR_MAX, mask); 
imshow("Mask Image",mask); 

cvtColor(src,gray_img,CV_BGR2GRAY); 
adaptiveThreshold(gray_img, initial_thresh, 255,ADAPTIVE_THRESH_GAUSSIAN_C, CV_THRESH_BINARY_INV,257,2); 
imshow("AdaptiveThresh Image", initial_thresh); 

add(mask,initial_thresh,add_res); 
erode(add_res, add_res, Mat(), Point(-1, -1), 1); 
dilate(add_res, add_res, Mat(), Point(-1, -1), 5); 
imshow("Bitwise Res",add_res); 

threshold(gray_img,second_thresh,150,255,CV_THRESH_BINARY_INV | CV_THRESH_OTSU); 
imshow("TreshImge", second_thresh); 
bitwise_and(add_res,second_thresh,and_thresh); 
imshow("andthresh",and_thresh); 
bitwise_xor(add_res, second_thresh, xor_thresh); 
imshow("xorthresh",xor_thresh); 
bitwise_or(and_thresh,xor_thresh,result_thresh); 
imshow("Result image", result_thresh); 
bitwise_and(add_res,result_thresh,final_thresh); 
imshow("Final Thresh",final_thresh); 

erode(final_thresh, final_thresh, Mat(), Point(-1,-1),6); 
bitwise_or(src,src,rr_thresh,final_thresh); 
imshow("Segmented Image", rr_thresh); 
imwrite("Segmented Image.jpg", rr_thresh); 
waitKey(0); 
return 1; 
}` 

Answer 1

Извините за Python, было проще прототипа и не должно быть слишком сложно переносить на C++.

import cv2 
import numpy as np 


img = cv2.imread("banana.jpg", 0) 
edges = cv2.Canny(img, 10, 100) 

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) 
dilated = cv2.dilate(edges,kernel,iterations = 1) 


contours, hierarchy = cv2.findContours(dilated, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) 


for i,contour in enumerate(contours): 
    area = cv2.contourArea(contour) 
    if area > 1000.0: 
     cv2.drawContours(img, contours, i, (0,255,255), 2) 

cv2.imwrite('banana_out.png', img) 

Я использовал Canny edge detection, так как края банана кажется довольно резким. Я заполнил некоторые пробелы в использовании расширения на маске. Это, вероятно, можно было бы сделать лучше.

Вход:

Ребра:

Dilated края:

Выход:

---

C++ Version

#include <opencv2/opencv.hpp> 


int main(int argc, char** argv) 
{ 
    cv::Mat img = cv::imread("./banana.jpg"); 

    cv::Mat gray_img; 
    cv::cvtColor(img, gray_img, CV_BGR2GRAY); 

    cv::Mat edges; 
    cv::Canny(gray_img, edges, 10, 100); 

    cv::Mat kernel = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(5, 5)); 
    cv::Mat dilated; 
    cv::dilate(edges, dilated, kernel); 


    std::vector<std::vector<cv::Point>> contours; 
    std::vector<cv::Vec4i> hierarchy; 

    cv::findContours(dilated, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); 

    cv::Mat mask = cv::Mat::zeros(gray_img.size(), CV_8UC1); 

    double const MIN_CONTOUR_AREA(1000.0); 
    for (int i(0); i < contours.size(); ++i) { 
     double area = cv::contourArea(contours[i]); 

     if (area >= MIN_CONTOUR_AREA) { 
      cv::drawContours(mask, contours, i, cv::Scalar(255, 255, 255), CV_FILLED); 
     } 
    } 

    cv::Mat eroded; 
    cv::erode(mask, eroded, kernel); 

    cv::Mat masked_object; 
    cv::bitwise_and(img, img, masked_object, eroded); 

    cv::imwrite("banana_out.png", masked_object); 

    return 1; 
} 

Выход:

Может быть, если вы сделали пересечение моей маски и ваша, вы получите даже лучший результат ...