как я могу получить представление крыш с аэрофотоснимка, используя различия RGB?

Итак, я изучаю обработку изображений в python, и я наткнулся на упражнение, которое мне трудно решить. Ему дано аэрофотоснимок:

Аэрофотоснимок

Цель состоит в том, чтобы индивидуализировать все крыши на одном изображении, оставив остальную часть (фон) в черном цвете. В упражнении предлагается использовать разницу между полосами rgb, а затем применить пороговый метод, который использует точку, соответствующую большему расстоянию от линии, соединяющей первый ненулевой индекс частоты и значимый пик гистограммы (метод максимального расстояния).

В упражнении также показан пример того, каким должен быть конечный результат:

Крыши

Вот что я пробовал до сих пор:

from imageio import imread
import numpy as np
Imagem2 = imread("ik02.tif")
r2 = Imagem2[:,:,0] 
g2 = Imagem2[:,:,1] 
b2 = Imagem2[:,:,2] 
r_b = r2-b2 
rbh, rb = np.histogram(r_b, bins=256, range=(0, 256))

Из наблюдения за гистограммой можно различить два темных пика, примерно 0 для дорог и 3 для домов? Может быть, вырезать значения ниже и выше от дома?

Операция (красная полоса - синяя полоса) дает мне хороший результат, я просто не знаю, как индивидуализировать дома. Вот результат:

(красная полоса - синяя полоса)

Ценим любую помощь!


python image image-processing rgb image-thresholding
person Jamie Jones    schedule 21.12.2020    source источник
comment
Возможно, это лучше подходит для машинного обучения, обучения алгоритма тому, какие изображения имеют крыши, а какие нет. Существуют некоторые инструменты, такие как GRIP, которые также могут облегчить боль: docs.wpilib.org/en/stable/docs/software/vision-processing/grip/   -  person Jairus Martin    schedule 21.12.2020
comment
Упражнение требует, чтобы я использовал полосы и метод порога максимального расстояния для его решения.   -  person Jamie Jones    schedule 21.12.2020
comment
у меня нет школьного господина. Я учусь сам, если у вас есть проблемы с этим, зачем вообще беспокоиться? Похоже, вы не знаете ответа и просто любите судить.   -  person Jamie Jones    schedule 21.12.2020
comment
Как участнику, нам часто поручают просматривать, поэтому мы не осуждаем, а просто хотим помочь вам отредактировать ваш вопрос, чтобы на него можно было ответить более эффективно. Не могли бы вы отредактировать свой пост, указав свой код, размер упражнения и т. Д., Чтобы было больше информации, которую кто-то может использовать для ответа на ваш вопрос. Затем я удалю отрицательный голос.   -  person Jairus Martin    schedule 21.12.2020
comment
У вас больше шансов получить ответ, если вы сможете сузить сферу своего вопроса.   -  person Jairus Martin    schedule 21.12.2020
comment
Я попытался сделать его более подходящим. Приносим извинения за неудобства.   -  person Jamie Jones    schedule 21.12.2020
comment
Без проблем. Давайте удалим неактуальные комментарии.   -  person Jairus Martin    schedule 21.12.2020
comment
Кстати, инструмент захвата может помочь вам быстро визуализировать это. Вы можете просто подставить значения.   -  person Jairus Martin    schedule 21.12.2020

Ответы (1)


arrow_upward
2
arrow_downward

То, что вы пытаетесь сделать, похоже на детектор цвета кожи:

Результат

import numpy as np
import matplotlib.pyplot as plt 
import cv2

# Read image
img = cv2.imread('roofs.jpg')
converted = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# Reference: https://www.pyimagesearch.com/2014/08/18/skin-detection-step-step-example-using-python-opencv/
# define the upper and lower boundaries of the HSV pixel
# intensities to be considered 'skin'
lower = np.array([0, 48, 80], dtype = "uint8")
upper = np.array([12, 255, 255], dtype = "uint8")

skinMask = cv2.inRange(converted, lower, upper)
# apply a series of erosions and dilations to the mask
# using an elliptical kernel
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (7, 7))
skinMask = cv2.morphologyEx(skinMask, cv2.MORPH_CLOSE, kernel, iterations = 1)
# blur the mask to help remove noise, then apply the
# mask to the img
skinMask = cv2.GaussianBlur(skinMask, (5, 5), 0)
skin = cv2.bitwise_and(img, img, mask = skinMask)
# show the skin in the image along with the mask
cv2.imshow("images", np.hstack([img, skin]))
# waits for user to press any key 
# (this is necessary to avoid Python kernel form crashing) 
cv2.waitKey(0) 
  
# closing all open windows 
cv2.destroyAllWindows()
person Bilal    schedule 21.12.2020