소개

물체의 검출 방법으로 자주 사용되는 것은, 차분을 취해 RGB의 차분을 취하는 것입니다만,
검출하고 싶은 물체의 성질을 생각하는 것으로, 보다 적절한 검출 방법이 있습니다.

대상

지금은 결국 거푸집의 출현을 판별 할 수있는 시스템을 만들려고합니다.
다이스의 성질로서는 다음과 같은 것이 생각됩니다.

실내에서 사용

작은

다양한 색상이 있습니다

배경에서 거푸집만 잘라내려고 하면,
거푸집의 그림자가 물체 검출의 방해가 될 수 있습니다.

이번에는 RGB가 아니라 HSV로 물체 검출함으로써 그림자의 영향을 억제해 보겠습니다.
그림자가 되는 장소는 채도·휘도의 변동은 작고, 색조의 변화는 없을 것이므로, 그것을 근거로 한 임계치의 선택을 하고 있습니다.
또한, HSV로의 변환 방법은 OpenCV와 Visual C++에 의한 화상 처리와 인식 (4)
HSV의 각 채널별 변환에는 NumPy 배열 ndarray 분할을 참고로 했습니다.
마지막 마스크 처리는 Python + OpenCV를 사용한 마스크 이미지 적용 방법 를 참고로 하고 있습니다.

import cv2
import numpy as np

GAUSSIAN_SIZE = (7,7)

camera = cv2.VideoCapture(0)

# 背景画像とダイスの画像を取得

result, image_base = camera.read()
if not result:
    exit()
image_base_blured = cv2.GaussianBlur(image_base, GAUSSIAN_SIZE, 0)

cv2.imshow("baseImage",image_base)
cv2.waitKey(0)

# カメラの画像を読み取るとき、前回のカメラのバッファを読んでる？
result, image_dice = camera.read()
result, image_dice = camera.read()
if not result:
    exit()
image_dice_blured = cv2.GaussianBlur(image_dice, GAUSSIAN_SIZE, 0)

# HSVに変換した上で差分をとる

base_hsv = cv2.cvtColor(image_base_blured, cv2.COLOR_RGB2HSV)
dice_hsv = cv2.cvtColor(image_dice_blured, cv2.COLOR_RGB2HSV)

diff_hsv = cv2.absdiff(base_hsv, dice_hsv)

# 2次元目を3つに分割→HSVの差分のチャンネルを分離
diff_imagelist = np.split(diff_hsv,3,2)

width = diff_hsv.shape[0]
height = diff_hsv.shape[1]

hdiff = diff_imagelist[0].reshape(width,height)
sdiff = diff_imagelist[1].reshape(width,height)
vdiff = diff_imagelist[2].reshape(width,height)

image_dice[hdiff>15] = [255,0,0]
image_dice[sdiff>50] = [0,255,0]
image_dice[vdiff>65] = [0,0,255]

cv2.imshow("diceImage",image_dice)
cv2.waitKey(0)

cv2.destroyAllWindows()

결과

주사위의 예


위 코드로 나눈 예


RGB로 임계값을 취한 경우

결론

화상 처리를 실시하고 싶은 대상이 있는 경우, 대상물에 적절한 처리 방법이 없는지 생각하면, 처리가 편해질 수 있습니다.
이번에는 거푸집에 적합한 처리를 할 수 있었습니다.