一直以来对OpenCV的边缘检测不满意，现在的边缘检测主要是基于各种算子，很多时候，边缘没办法非常细致的分割出来，后面ML的加入提供了更多的思路，在这里记录一下，最近的一些探索和想法，首先上一张图。
目的在于提取图像中黑色纹路的地方，尝试过边缘增强，对比度增强算法，各种enhancement。
效果很不明显，尤其是做了以下mat的背景相减，会发现其实阴影区域的像素值跟其他区域的差距很不明显：https://www.cnblogs.com/tornadomeet/archive/2012/06/02/2531705.html
，后面又尝试了基于OpenCV的阴影识别和提取。
尝试包括：
在运动目标检测中，常常会出现由于光线被遮挡，或场景其他物体的遮挡，在目标附近或场景里出现阴影，阴影的出现对后期目标的正确分割与处理带了很大的不便。如今，国内外已有不少文献来研究这个问题，并且提出了各种各样的阴影去除算法。本文就其中的一种算法提出了一个通用的实现算法，该算法考虑了背景与前景颜色相近的情况，希望能给大家一些帮助：(介绍下算法的思路：算法首先对RGB颜色空间的值进行归一化处理，即：r=R/(R+G+B),g=G/(R+G+B), I=(R+G+B)/3。然后利用背景和当前帧r,g的插值和I的比例来确定阴影区域：
详细细节请参考文献：Detecting moving objects,ghosts and shadows in video streams
code:
// shadeImg is a binary image,the value th2 and th3 are chosen empirically here,set th2=0.6 th3=1.5, th4=7 void ShadeDetect(IplImage *currImg, IplImage *bkImg, IplImage *shdadeImg,double th1,double th2,double th3,double th4) { cvZero(shdadeImg); unsigned char* currData; unsigned char* bkData; unsigned char* shadeData; int i=0,j=0; int height=currImg->height; int width=currImg->width; double rb=0,gb=0,Ib=0,Rb=0,Gb=0,Bb=0; double rt=0,gt=0,It=0,Rt=0,Gt=0,Bt=0; //CvScalar cs=cvScalarAll(255); for (i=0;i<height;i++) { currData=(unsigned char*)currImg->imageData+i*currImg->widthStep; bkData=(unsigned char*)bkImg->imageData+i*bkImg->widthStep; shadeData=(unsigned char*)shdadeImg->imageData+i*shdadeImg->widthStep; for (j=0;j<width;j++) { // current normalized Rt=currData[j*3]; Gt=currData[j*3+1]; Bt=currData[j*3+2]; rt=Rt/(Rt+Gt+Bt); gt=Gt/(Rt+Gt+Bt); It=(Rt+Gt+Bt)/3; // Bk normalized Rb=bkData[j*3]; Gb=bkData[j*3+1]; Bb=bkData[j*3+2]; rb=Rb/(Rb+Gb+Bb); gb=Gb/(Rb+Gb+Bb); Ib=(Rb+Gb+Bb)/3; // judge whether is shadeimg if (fabs(rt-rb)<=th1 && fabs(gt-gb)<th1 && It/Ib>=th2 && It/Ib<=th3 && fabs(It-Bt)<th4) { shadeData[j]=255; } } } }
代码改成mat格式，发现没有th1，把论文也撸了一遍也没看到，自己尝试了一些经验值，发现没啥效果。
尝试二、