图像处理中小球的识别（简单总结）

这一段时间都是在做小球的提取的图像处理工作。也许看起来简单，但是，要知道，这里的小球的提取是要在双目视觉中用的，所以，必须有一定的精度才行。
现在做的还是很简单的，但是已经能定下小球的大体的位置了，可是，小球的一小部分像素有时还是会分割不出来。原因是我用的仅仅是无论什么时候都是以h值为主，s值为辅助的阈值分割技术，其实，就像一篇论文中提到的那样，在光照很好，也就是l值比较高的情况下，用h值进行分割，能取得很不错的效果。而当运动模糊（这时，颜色扩散了），或者是光照太暗（对于一个小球，小球的下部就会比较的暗）的情况下，用h值就不能得到比较好的结果了，而此时用s值会好些。按我的判断，这个理论是对的。还没有编写相应的代码的原因是没有想明白l值应该如何设定，又如何让同一幅图片中的小球的不同部分的分割，用不同的l值，然后速度如何，这些都还没有想明白。
下面就是我做的步骤，很简单，但是，肯定会存在速度上的问题的。
里面用的主要是区域增长的方法。首先，进行快速hls变换，参照了一篇论文上的方法，进行的快速变换。然后，由于使用的是区域增长的方法，所以，要选取种子点，根据h和s进行阈值分割，在整幅图片中进行搜索，得到最有可能的点，当做种子点，这时的种子点还是只是初始选择的，下一步就是把细小的杂乱的种子点去掉（用了形态学上的腐蚀运算），通过这种方法，就能把比较小的干扰点去掉了。然后，进行该用这取得的种子点进行区域生长的运算了。运算完后，再进行区域的膨胀和腐蚀，这样每个区域就会比较的完整，少有空洞了。当这一步做完后，会有不止一个区域。这时，用了基于区域生长的计数的方法，目的不是计数，而是把小球找到（还用了小球在绿色的场地上的先验知识）。这样处理后，效果还行，但是还要改进的。