当前位置：首页 > news >正文

基于opencv+深度学习+FasterRCNN水下图像复原

news 2026/6/13 9:24:18

项目概述：Waternet_FasterRCNN

本项目旨在结合深度学习技术进行水下图像的还原与分析，综合应用WaterNet和Faster R-CNN来完成以下功能：

水下图像还原：利用 WaterNet 修复和增强水下图像质量。
色板检测与提取：通过 Faster R-CNN 从图像中自动提取色板。
色彩分析：分析提取出的色板色彩的差异性，包括 Delta E 及色彩通道差异的百分比。

⚠️注意事项：

功能不完善：本项目目前尚未完全实现自动化的色板提取，后续版本将基于手动提取工具（）进行更新。
已知问题：
1. 使用 Faster R-CNN 和透视校正进行色板检测时，部分照片无法正确检测。建议测试时使用项目中的样本图片：img/frame9125.jpg。
2. 当前程序仅支持分析存储在img文件夹中的色板图片，若需支持其他规格的色板，则需对代码进行重构（可参考/ColorAnalysis文件夹）。
3. 自动色板提取的效果不够稳定，因此未来将倾向于手动提取。

功能说明

色板提取：通过 Faster R-CNN 模型从图像中自动检测并提取色板。
水下图像还原：利用 WaterNet 对水下图像进行增强，恢复图像的色彩与清晰度。
色彩差异分析：
- Delta E：用于量化色彩的差异。
- 色彩通道差百分比：分析不同通道间的色彩变化。
对比界面：提供分割式界面，可通过鼠标拖动查看图像还原前后的对比效果。

文件结构与参考资源

关键样例文件：
- 测试图片：img/frame9125.jpg
- WaterNet 权重：waternet/training/6/last.pt
- Faster R-CNN 权重：logs/ep195-loss0.379-val_loss0.581.pth

环境搭建与安装步骤

安装依赖环境：
```
pipinstall-rrequirements.txt
```
注意：本项目使用 Python 3.8.10，如果 Python 版本相差过大，可能会导致依赖库无法正常使用。
下载权重文件：
- WaterNet 默认权重文件：waternet/training/6/last.pt
- Faster R-CNN 默认权重文件：logs/ep195-loss0.379-val_loss0.581.pth
确保将以上权重文件放置到指定目录。如果需要指定其他位置，可以通过命令行参数--weights进行设置。

使用说明

1. 运行`process.py`脚本

通过process.py脚本可以完成图像还原，基本用法如下：

usage: process.py[-h][--source SOURCE][--weights WEIGHTS]optional arguments: -h,--help显示帮助信息并退出--sourceSOURCE 设置待还原的图像路径--weightsWEIGHTS 设置 WaterNet 权重文件路径

示例命令：

使用默认设置运行：
```
python process.py
```
- 默认输入图片：input/temp.jpg
- 默认权重路径：waternet/training/6/last.pt

指定输入图片与权重文件：

python process.py--source<image path>--weights<weight path>

示例：

python process.py--sourceinput/example.jpg--weightswaternet/training/6/last.pt

贡献指南

如果您希望为本项目贡献代码或改进功能，请按照以下步骤进行：

Fork 仓库：将本项目 Fork 到您的账户中。
创建分支：为您的更改创建一个独立分支。
```
gitcheckout-b<branch-name>
```

提交更改：完成修改后提交代码。

gitadd.gitcommit-m"Add detailed description of changes"

推送到远程仓库：
```
gitpush origin<branch-name>
```
创建 Pull Request：在 GitHub 仓库中创建 Pull Request，描述您的更改并提交。

已知问题及后续改进方向

自动检测精度问题：
- 使用 Faster R-CNN 和透视校正时，部分图像（如非规则色板）可能无法正确检测。
- 临时解决方案：建议使用测试图片img/frame9125.jpg进行验证。
支持色板的多样性：
- 目前程序仅适配/img文件夹中的色板。如果需要处理其他格式的色板，需对代码结构进行优化。
- 可参考/ColorAnalysis文件夹中的工具和示例。
稳定性改进：
- 自动色板提取功能尚不稳定，后续版本将倾向于手动辅助工具（例如“Give-ocean-a-piece-of-your-mind”项目）来提升准确性。