目标分割和检测笔记（OpenCV实例精解）

版本说明：Opencv 3.2.0版本

一.预处理

1.去噪声

根据噪声的种类选择合适的滤波器进行去除。

2.去除光亮

需从场景中的其他图像提取位于完全相同位置，没有任何对象，并且具有相同光照条件的图像。然后用一种简单的数学运算，删除光这个模式：
1）差分
2）除法
图像差分是最简单的方法。如果有光纹矩阵L和图像矩阵I，去除R的结果是他们之间的差值：
R=L-I
除法去除R的结果是
R=255×（1-I/L）
下面给出差分代码 img为需要删除光的图像，pattern位光纹遮挡

Mat removeLight（Mat img，Mat pattern）
{
    Mat result;
    result=pattern-img;//R=L-I
    return result;
}

下面是除法

Mat removeLight（Mat img，Mat pattern）
{
    Mat result，img32，pattern32;
    img.covertTo(img32，CV_32F);
    pattern.convertTo(pattern32,CV_32F);
    //图像除以模式
    result=1-(img32/pattern32);
    result=result*255;//缩放以转换为8位模式
    result.convertTo(result,CV_8U);//转换为8位模式
    return result;
}

注意 ：除法需要用32位浮点型才能分离图像。
可以用blur原图来估计背景。估计背景的方法如下：
在输入图像上使用大尺寸核矩阵模糊化，这是一种在OCR中常用的技术。虽然与上述方法存在差异，但足以消除背景类。函数如下：

Mat calculateLightPattern(Mat img)
{
    Mat pattern;
    blur(img,pattern,Size(img.cols/3,img.rows/3));
    return pattern;
}

下面给出自己根据上述函数做的效果图。这是用差分法后的去光效果：

下面是用除法的

可以发现两种方式都能有效的把背景光去掉。注意，我可是开的手电筒哦。。

3. 阀值操作

删除背景后，还需要能在为来进行图像分割的二值图像。
threshold 全局二值化

一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，最常用的方法就是设定一个全局的阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。将大于T的像素群的像素值设定为白色（或者黑色），小于T的像素群的像素值设定为黑色（或者白色）。