問題タブ [edge-detection]

状況：ビューポート（サイズ= 600 * 600）とカメラは一定のままで、さまざまな変換と回転を使用して、形状と対応するエッジ（ソーベルフィルターまたは独自のフィルターを使用）のNサンプルを生成します。つまり、N 個のサンプル + N 個の対応するエッジがあります。

このようにしようと考えているのですが、

2 つのレンダーバッファで 1 つの FBO を使用します [つまり、各バッファのサイズは = (N *600) * 600 になります]- N シェイプの場合は 1 つ目、対応するシェイプのエッジの場合は 2 つ目

質問:

1. 上記のことを達成するための最良の方法はどれですか?
2. ビューポートのサイズは 600*600 ピクセルですが、形状は約 50*50 ピクセルしか占有しません。バウンディング ボックス/AABB 領域のエッジ検出を 2 番目のバッファーのみに適用する効率的な方法はありますか? また、効率的な方法で 2N バウンディング ボックス (N サンプル + N 対応するエッジ) を読み取るだけですか?

私はpython-openCVを使用しています。Sobelエッジ検出を使用すると、次のアサーションエラーが発生します。

dest私はusingを作成しCreateImage()、それはと同じサイズとチャネルを持っていますsrc。また、srcとdestの両方の深さはIPL_DEPTH_8Uです。LoadImageM()また、定数が親切になるようにを使用して画像をロードしようとしましCV_*たが、それは役に立ちませんでした。

IPL_DEPTH_8U == CV_8U私もたまたまそれを見つけましたfalse。

次のパラメーターを使用して、openCVでSobelエッジ検出を実行しています。

また、GIMPを使用して画像のソーベルエッジ検出を行いました。

ソースイメージは次 のとおりです。openCVによる出力は次のとおりです。GIMPによる出力は次のとおりです 。

openCVとGIMPによる出力の間になぜこんなに大きな違いがあるのか​​。GIMPによる出力の品質は、openCVを光年上回っています。

私のアプリケーションは、コインを検出することです。私はそのほとんどを OpenCv を使用して行いました。CannyDetection と houghTransform を使用して画像の円を検出しています。

しかし、コインの正しい円を取得していません。thresoldValues が cannyEdgeDetector に渡されることに問題があると思います。コインの円を検出するためのしきい値を選択する方法を教えてください。

私は OpenCV ブックの例を実行しようとしていますが、cvCanny に関する部分にたどり着きました。使用しようとしていますが、メモリ例外エラーが発生し続けます

Unhandled exception at 0x75d8b760 in Image_Transform.exe: Microsoft C++ exception: cv::Exception at memory location 0x0011e7a4..

この質問に似た別の投稿も見ましたが、毎回同じエラーが発生したため、役に立ちませんでした。どんな助けでも大歓迎です。関数のソースコードは以下にあります。

写真の中央にあることがわかっているオブジェクト（手のような）のエッジを検出する必要があります。

私の最も懸念しているのは、結果の信頼性です（商用目的で使用したいため）。現在、Canny検出器を使用していますが、より信頼性が高く、より高速な方法があるかどうかを確認したいと思います。

どんなヒントでも大歓迎です。

私のアプリでは、人間の画像を入力し、その人の顔と首だけを別の画像として出力したいと考えています。
例: 以下の画像を入力として:(出典: http://www.fremantlepress.com.au ) そして、出力として上の画像を取得し
たい: 次のアルゴリズムを実行したい:

1. 顔を検出
2. (顔領域*2) の領域を選択
3. 肌と首を検出
4. 選択した画像の肌領域を
カット 5. そのカット領域を新しい画像に保存

EmguCV wiki やその他のオンライン リソースを調べると、ステップ 1 と 2 を実行する自信があります。しかし、ステップ 3 と 4 をどのように達成できるかわかりません。
私が調べている機能/方法がいくつかあります (Cunny Edge Detection 、輪郭など）が、これらの方法をどこでどのように適用すればよいかわかりません。EmguCV (C#) と Windows フォーム アプリケーションを使用しています。

ステップ 3 と 4 を実行するにはどうすればよいか教えてください。

私は画像処理に不慣れです。私はWebアプリケーションを開発しています。画像（フリーハンドの絵）を撮り、その一部を取り除く必要があります。たとえば、猫の画像を撮り、目以外のすべてを削除します。

PS->私は架空のゲームベースの認証システムを開発しています。ユーザーは自分のパスワードに関連する画像を選択する必要があります。私は、エッジを検出してその一部を削除し、キューとして保存して表示することで画像を変形します。これにより、ユーザーだけが意味を持ち、意味がなくなります。攻撃者。

写真の請求書/領収書/紙の角を検出するための最良の方法は何ですか？これは、OCRの前に、後続の遠近法補正に使用されます。

私の現在のアプローチは次のとおりです。

RGB>グレー>しきい値処理によるキャニーエッジ検出>拡張（1）>小さなオブジェクトの削除（6）>境界オブジェクトのクリア>凸領域に基づいた大きなブログの選択。>[コーナー検出-実装されていません]

このタイプのセグメンテーションを処理するには、より堅牢な「インテリジェント」/統計的アプローチが必要だと思わずにはいられません。トレーニングの例はあまりありませんが、おそらく100枚の画像をまとめることができます。

より広い文脈：

私はmatlabを使用してプロトタイプを作成しており、OpenCVとTesserect-OCRでシステムを実装することを計画しています。これは、この特定のアプリケーションのために解決する必要のある多くの画像処理の問題の最初のものです。ですから、私は自分自身のソリューションを展開し、画像処理アルゴリズムに慣れることを目指しています。

アルゴリズムで処理したいサンプル画像を次に示します。チャレンジしたい場合は、大きな画像がhttp://madteckhead.com/tmpにあります。

_{（出典：madteckhead.com）}

_{（出典：madteckhead.com）}

_{（出典：madteckhead.com）}

_{（出典：madteckhead.com）}

最良の場合、これは次のようになります。

_{（出典：madteckhead.com）}

_{（出典：madteckhead.com）}

_{（出典：madteckhead.com）}

ただし、他の場合は簡単に失敗します。

_{（出典：madteckhead.com）}

_{（出典：madteckhead.com）}

_{（出典：madteckhead.com）}

すべての素晴らしいアイデアを事前に感謝します！私はSOが大好きです！

編集：ハフ変換の進捗状況

Q：コーナーを見つけるためにハフラインをクラスター化するアルゴリズムは何ですか？回答からのアドバイスに従って、ハフ変換を使用し、線を選択して、それらをフィルタリングすることができました。私の現在のアプローチはかなり粗雑です。請求書は常に画像との位置合わせが15度未満になると想定しています。これが事実である場合、私はラインに対して妥当な結果をもたらすことになります（以下を参照）。しかし、コーナーを推定するために線をクラスター化（または投票）するための適切なアルゴリズムが完全にはわかりません。ハフ線は連続していません。また、ノイズの多い画像では、平行線が存在する可能性があるため、線の原点からの何らかの形または距離が必要です。何か案は？

_{（出典：madteckhead.com）}

私の最終年度のプロジェクトでは、車両の詳細変更システムを行っています。システムは、次のタスクを実行できる必要があります。一定の距離、たとえば 5m から撮影した車両のサイズ画像を使用しています。さまざまな色とリムの画像が保存されています。これが私のアプリケーションです。これが基本的な考え方です。

1. 車両のタイヤと合金リムを検出する
2. 取り付けられたリムのリムサイズを検出して測定する
3. 車両に新しい合金リムを適用します（元の画像の上に合金リムを埋め込むか、置くかはまだ決定していません）
4. 車体色変更
5. 車両の窓に色合いを適用する

ホイールサイズの測定

モディファイドアロイホイール変更イメージ

では、このプロジェクトの私の研究分野は何でしょうか? 何を知っておくべきですか？皆さん、私を助けてもらえますか?

ホイールの測定には写真測量技術を使用する必要があることはわかっています。