Sé libre de compartir nuestra web y códigos en tus redes sociales, ayúdanos a hacer crecer esta comunidad.
Solución:
Ya me he ocupado de este problema antes, y el cambio de iluminación es siempre un problema en la Visión por Computadora para la detección y descripción de imágenes. De hecho, entrené un clasificador, para espacios de color HSV en lugar de RGB / BGR, que estaba mapeando la imagen con luz incidente cambiante a la que no tiene los parches repentinos de brillo / oscuridad (esta sería la etiqueta). Esto funcionó bastante bien para mí, sin embargo, las imágenes eran siempre del mismo fondo (no sé si tú también tienes esto).
Por supuesto, el aprendizaje automático puede resolver el problema, pero podría ser una exageración. Mientras hacía lo mencionado anteriormente, me encontré con CLAHE que funcionó bastante bien para mejorar el contraste local. Te sugiero que pruebes esto antes de detectar contornos. Además, es posible que desee trabajar en un espacio de color diferente, como HSV / Lab / Luv en lugar de RGB / BGR para este propósito. Puede aplicar CLAHE por separado a cada canal y luego fusionarlos.
Avísame si necesitas más información. Implementé esto con tu imagen en Python, funciona bastante bien, pero te dejaría la codificación a ti. Podría actualizar los resultados que obtuve después de un par de días (esperando que los obtenga primero;)). Espero eso ayude.
Valoraciones y comentarios
Eres capaz de añadir valor a nuestra información participando con tu experiencia en las notas.