在 Python 中使用 OpenCV 检测手掌纹路

Question

我正在通过一个旨在检测手掌纹路的项目来使用 python 来学习 OpenCV。

我所做的基本上是使用Canny 边缘检测，然后在边缘上应用霍夫线检测，但结果不太好。

这是我正在使用的源代码：

original = cv2.imread(file)
img = cv2.cvtColor(original, cv2.COLOR_BGR2GRAY)
save_image_file(img, "gray")

img = cv2.equalizeHist(img)
save_image_file(img, "equalize")

img = cv2.GaussianBlur(img, (9, 9), 0)
save_image_file(img, "blur")

img = cv2.Canny(img, 40, 80)
save_image_file(img, "canny")

lined = np.copy(original) * 0
lines = cv2.HoughLinesP(img, 1, np.pi / 180, 15, np.array([]), 50, 20)
for line in lines:
    for x1, y1, x2, y2 in line:
        cv2.line(lined, (x1, y1), (x2, y2), (0, 0, 255))
save_image_file(lined, "lined")

output = cv2.addWeighted(original, 0.8, lined, 1, 0)
save_image_file(output, "output")

我尝试了不同的高斯核大小和 Canny 低/高阈值参数集，但结果要么噪声太多，要么缺少（部分）主线。上面的图片已经是我迄今为止得到的最好的了..

我应该做些什么来改善结果，或者任何其他方法会得到更好的结果？

任何帮助，将不胜感激！

Answer 1

您正在寻找的东西确实是实验性的。你已经完成了最重要的功能。我建议您调整参数以获得合理且嘈杂的行数，然后您可以进行一些过滤：

• 使用形态过滤器，

• 线的分类（根据其长度、适合对比区域...等）

• 通过将手掌（没有手指）区域划分为网格（4x4 ..其中 4 个垂直手指角可以定义网格的配置）来改进您的类别。

• 计算梯度图像，线条的方向也可能有帮助
• 搜索一下“累积水平线检测”算法，可以帮助确定检测线的确定性