遇到的问题及思考

Task 1

• 筛选高亮区域

  首先使用了自适应二值化，但将 block size 在 200 以内调节，都未得到满意的图像，故更换为非自适应的函数，有所改观。最终阈值选取在一半左右。

Task 2

• 图片中灯条区域过曝，难以使用蓝色灯光这一信息。

  由于真实情况使用工业相机，曝光可调，故可将代码中的 HSV_range 内容更改为真实灯光的蓝色。一方面可减少场内其他光源干扰，另一方面可以提高识别精度。本任务中，由于灯光中蓝色并不明显，故若转为灰度图再二值化，将可能更难精确分辨。故直接使用筛子 mask 筛出白色（灯光内部）和蓝色（灯光周围），得到与二值化效果相同的图像。

• 图片中存在另一处高亮区域，干扰灯条筛选。

  引入“bounding box 填充度”变量，其值等于高亮面积除以 bounding box 面积。小于一半则认为此处高亮与通常灯光形状较为不同，剔除之。

• 在得到较为理想的结果后，试去除高斯模糊环节，对结果没有影响。

  本任务中识别灯条主要靠灯条的与众不同的颜色和形状，而与画面中的噪点关系不大（最后都被面积、形状筛除）。

• 识别的可能改进：

  图片中灯光还有内部为白色、周边为蓝色这一信息。对这类曝光不理想的图像中的灯条可以考虑蓝色+白色和仅白色分别筛取，套叠者即为目标灯条。

Appendix

文件说明

• src/main_1.cpp: Source code of Task 1.
• src/main_2.cpp: Source code of Task 2.
• resources/output_1/*.png: Output images of Task 1.
• resources/output_2/*.png: Output images of Task 2.

结果文件

• resources/Screenshot 2025-09-21 232450.png: 任务1、任务2程序运行时终端的输出截图。如下：

  

• resources/output_1/feature_red_area.png 为任务1红色区域图像；resources/output_1/feature_red_mask.png 为红色区域的0-1矩阵图像。其余结果可由文件名得知。

• resources/output_2/bounding_box_light_and_digit_original.png 为任务2包含灯条和数字 bounding box 的图像；resources/output_2/bounding_box_original.png 为仅框选灯条的图像。

Detailed Task Description

Task 1

• 图像颜色空间转换

  • 转化为灰度图
  • 转化为HSV图片

• 应用各种滤波操作

  • 应用均值滤波
  • 应用高斯滤波

• 特征提取

  • 提取红色颜色区域

    • HSV方法

  • 寻找图像中红色的外轮廓

  • 寻找图像中红色的 bounding box

  • 计算轮廓的面积

  • 提取高亮颜色区域并进行图形学处理

    • 灰度化

    • 二值化

    • 膨胀

    • 腐蚀

    • 对处理后的图像进行漫水处理

• 图像绘制

  • 绘制任意圆形方形和文字
  • 绘制红色的外轮廓
  • 绘制红色的 bounding box

• 对图像进行处理

  • 图像旋转35度。
  • 图像裁剪为原图的左上⻆1/4。