激光线检测opencv
我想检测自治系统的激光线。
到目前为止，我的工作是：1.我将图像分成多个rgb通道2.由于使用了红色激光线，因此仅使用红色通道3.手动获取阈值4.在二进制图像中搜索值！= 0
对于自动系统的用例，我无法手动设置阈值，如何解决该问题的任何想法？
而且，由于阳光的入射，仅搜索图像中的最高峰还不够好。
也许我可以搜索短峰。.因为在激光线区域中，亮度快速增加，然后在激光线之后快速减小。
我如何在opencv中意识到这一点？
更新
好的，我已经查看了您更新的图片。我的算法归结为以下步骤。
找到图像中最亮的柱（即激光线）
找到最亮柱中的暗间隙
查找激光线间隙中最亮的相邻柱
步骤 1 - 找到图像中最亮的柱（即激光线）
最简单的方法是将图像向下挤压，使其仍然是原始宽度，但只有一个像素高，有效地平均图像每个垂直列中的像素。然后应用-auto-level对比度拉伸到 0-255 的整个范围，并将阈值设置为 95%，以查找与最亮值相差 5% 以内的所有列。然后查找阈值设置为白色的像素 (#ffffff)。这是ImageMagick中的一行，如下：
convert https://i.stack.imgur.com/1P1zj.jpg -colorspace gray \
-resize x1! \
-auto-level \
-threshold 95% text: | grep -i ffffff
输出：
297,0: (255,255,255) #FFFFFF white
298,0: (255,255,255) #FFFFFF white
299,0: (255,255,255) #FFFFFF white
所以，我现在知道第 297-299 列是激光线所在的位置。请注意，如果图片稍微旋转，或者激光不垂直，则亮柱将分成多个柱。为了解决这个问题，您可以将图像的宽度缩小两倍或三倍，以便相邻的列往往会在较小的图像中合并为一列，然后只需将列乘以缩小因子即可找到原始位置。
步骤 1 就完成了，但在步骤 2 之前还有一种替代方法。
我将图像分成 1 像素宽的列：
convert input.png -crop 1x +repage line%d.png
现在我找到最亮的列（平均亮度最高的一列）：
for f in line*; do m=$(convert -format "%[fx:mean]" $f info:);echo $m:$f ;done | sort -g
这给出了这个
...
...
0.559298:line180.png
0.561051:line185.png
0.561337:line306.png
0.562527:line184.png
0.562939:line183.png
0.584523:line295.png
0.590632:line299.png
0.644543:line296.png
0.671116:line298.png
0.71122:line297.png <--- brightest column = 297
第 2 步 - 找到最亮柱中的暗间隙
现在我取第 297 列并自动调平，使最暗的部分变为零，最亮的部分变白，然后我将其取反。
convert line297.png -colorspace gray -auto-level -threshold 20% -negate txt:
...
0,100: (0,0,0) #000000 black
0,101: (0,0,0) #000000 black
0,102: (0,0,0) #000000 black
0,103: (0,0,0) #000000 black
0,104: (0,0,0) #000000 black
0,105: (0,0,0) #000000 black
0,106: (0,0,0) #000000 black
0,107: (0,0,0) #000000 black
0,108: (255,255,255) #FFFFFF white <- gap in laser line
0,109: (255,255,255) #FFFFFF white <- gap in laser line
0,110: (255,255,255) #FFFFFF white <- gap in laser line
0,111: (255,255,255) #FFFFFF white <- gap in laser line
0,112: (0,0,0) #000000 black
0,113: (0,0,0) #000000 black
...
0,478: (0,0,0) #000000 black
0,479: (0,0,0) #000000 black
第 3 步 - 查找激光线间隙中最亮的相邻柱
现在，如果我将此列与其两侧的每一列相乘，则不在激光线间隙中的其他列的所有部分将变为零，并且在激光线间隙中的所有部分将相乘当我浏览第 297 栏两侧的栏时，将其总计。
因此，我检查第 240 至 340 列，将每一列与上一步中的掩模相乘，然后查看激光线间隙中哪一列最亮：
for i in {240..340} ;do n=$(convert line${i}.png mask.png -compose multiply -composite -format "%[mean]" info:);echo $n:$i ;done | sort -g
输出如下：
458.495:248
466.169:249
468.668:247
498.294:260
502.756:250
536.844:259
557.726:258
564.508:251
624.117:252
627.508:253 <--- column 253 is brightest
然后我可以看到第 253 列在激光线最暗的区域中最亮。所以移位的行位于第 253 列。
我确信这项技术可以在opencv.
原答案
我可以告诉你一种方法，但不会给你任何代码，因为opencv我倾向于使用 ImageMagick。我将图像分成一系列垂直图像，每个图像 1 像素宽 - 即单像素列。然后我得到所有列的亮度平均值，并且可以立即看到最亮的列。它工作得很好，这是我测试算法的方式：
Split image into single pixel columns
convert https://i.stack.imgur.com/vMiU1.jpg -crop 1x +repage line%04d.png
看看我们得到了什么：
ls line*
line0000.png line0128.png line0256.png line0384.png line0512.png
line0001.png line0129.png line0257.png line0385.png line0513.png
...
line0126.png line0254.png line0382.png line0510.png line0638.png
line0127.png line0255.png line0383.png line0511.png line0639.png
是的，640 条垂直线。检查一个尺寸...
identify line0639.png
line0639.png PNG 1x480 1x480+0+0 8-bit sRGB 1.33KB 0.000u 0:00.000
是的，它的宽度为 1 像素，高度为 480 像素。
现在获取所有线条的平均亮度并按亮度排序：
for f in line*; do m=$(convert -format "%[fx:mean]" $f info:);echo $m:$f ;done | sort -g
输出
0.5151:line0103.png
0.521621:line0104.png
0.527829:line0360.png
0.54699:line0356.png
0.567822:line0355.png
0.752827:line0358.png <--- highest brightness
0.76616:line0357.png <--- highest brightness
第 357 列和第 358 列似乎很容易识别为您的答案。