2019年11月25日開發手記
阿新 • • 發佈：2019-11-26
對濾波後的影象做行列投影，通過閾值得到運動影象橫縱座標點集。使用水平與豎直投影演算法，投影演算法的時間複雜度為O(x2),哪怕進行優化也最多可變為O(xlogx)，時間上無法接受。再次使用傅立葉變換？還是將目標放在輪廓點整合？
使用豎直投影法的話還不如直接遍歷所有點找輪廓，這對後面進行聚類也比較方便。
決定採用豎直投影+遍歷，只進行一次投影，在投影過程中將點逐個遍歷，高亮點的橫縱座標壓入棧，輸出橫縱座標的最大值和最小值。
def line_trans(img):
l = Stack()
h_1= Stack()
l.isEmpty()
h_1.isEmpty()
#ret, thresh1 = cv2.threshold(img, 25, 255, cv2.THRESH_BINARY) # 將圖片進行二值化（130,255）之間的點均變為255（背景）
(h, w) = img.shape # 返回高和寬
a = [0 for z in range(0, w)]
# 記錄每一列的波峰
for j in range(0, w): # 遍歷一列
q_1=0
for i in range(0, h): # 遍歷一行
#print(1)
#print(img[i, j])
if img[i, j] !=0: # 如果該點為白點
print(1)
if q_1 ==0:
i_1=i
i_2=i
q_1=1
a[j] += 1 # 該列的計數器加一計數
if q_1!=0:
l.push(j)
h_1.push(i_1)
h_1.push(i_2)
if len(h_1.stack) != 0 and len(l.stack) != 0:
max=h_1.stack[0]
min=h_1.stack[0]
for i in range(len(h_1.stack)):
if h_1.stack[i]>max:
max=h_1.stack[i]
if h_1.stack[i]<min:
min=h_1.stack[i]
return min,l.stack[0],max,l.stack[len(l.stack)-1]
else:
return 0,0,0,0
問題：似乎進不去判斷函式，也就是img中所有點都為0，但在除錯中img確有非0點。
問題解決：縮排錯誤
新演算法的效果確實變得更好了，但速度也變得更慢了，為80ms左右。嘗試使用python的切片操作，對二維陣列進行橫向累加，從而達到減少迭代次數的目的。在濾波函式中加上一句：iimg[index,:][iimg[index, :] > 200] = 0 似乎出現了一個新特點：運動的物體在運動的反方向一側的邊緣會出現高亮。
換而言之，影象出現了方向性，這對後面的分類與識別應該有些特殊的意義