骰子点数识别-图像分割精要.doc

骰子点数识别-图像分割 前言 前段时间借用神经网络和卷积神经网络实现了骰子点数的识别，但是一个很严重的问题一直困扰我，那就是当两个骰子叠在一起的时候，将两个骰子分开并不是一件简单的事情。 下图是我在识别过程中产生的不能识别的，叠加在一起的图片素材。 面对这些形态各异的图片，有的时候是两个骰子一个角连在一起，有的是一条边，有的是三个骰子叠在一起。所以，很难找到一个满意的办法解决这个问题。 第一思路就是从原始的RGB图像着手，通过调整二值化阈值，希望能够将骰子对象分割开来，但是遗憾的是我试了好几种方法，都是不行的，原因在于原图像在交接的地方本来就很模糊，颜色变化很小，所以使用二值化阈值调整很难得到完美的解决方案。 期间我尝试了不同的方法 分水岭 [java] view plain copy 在CODE上查看代码片派生到我的代码片 close all clc figure(1) subplot(231) RGB_img=imread(161220S010129.jpg); imgsize =size(RGB_img); RGB_img = imcrop(RGB_img,[imgsize(1,2)*0.418 imgsize(1,1)*0.655 215 134]);%大部分图像布局固定 imshow(RGB_img) %% subplot(232) %imhist(A(:,:,1)); bw=im2bw(rgb2gray(RGB_img)); bw=medfilt2(bw); planes=bwareaopen(bw,100); imshow(planes) %% subplot(233) D=bwdist(imcomplement(planes)); D=mat2gray(D); imshow(D) figure subimage(D) hold on [C,h]=imcontour(D,0.2:0.2:0.8); set(h,ShowText,on,TextStep,get(h,LevelStep)*2) text_handle = clabel(C,h,color,g); figure(1) %% subplot(234) M=imimposemin(imcomplement(D),D.8); imshow(M); %% subplot(236) L=watershed(M); r=L planes; imshow(r) %%%%%%%%%%%% stats=regionprops(r,BoundingBox,Centroid); hold on c=cat(1,stats.Centroid); plot(c(:,1),c(:,2),r*) bb={stats.BoundingBox}; cellfun(@(x) rectangle(Position,x,EdgeColor,y),bb) %% subplot(235) L(r)=5; imshow(L,[]) 抽取局部再二值化寻找连通区域 [java] view plain copy 在CODE上查看代码片派生到我的代码片 close all; RGB_img=imread(161221S010029.jpg); imgsize =size(RGB_img); RGB_img = imcrop(RGB_img,[imgsize(1,2)*0.418 imgsize(1,1)*0.655 215 134]);%大部分图像布局固定 GRY_img=rgb2gray(RGB_img); level = graythresh(GRY_img); BW_img=im2bw(GRY_img,0.7); BW_img =imclearborder(BW_img,8); [img1,map] = rgb2ind(RGB_img,64); %# Create your quantized image rPlane = reshape(map(img1+1,1),size(img1)); %# Red color plane for image gPlane = reshape(map(img1+1,2),size(img1)); %# Green color plane for image bPlane = reshape(map(img1+1,3),size(img1)); %# Blue color plane