在閾值之前對Opencv感興趣的圓形區域

Question

我試圖在圖像中間檢測到一個圓形對象。下面是一個示例圖像：

左半是greyscaled和高斯模糊輸入圖像;右半部分是大津閾值後的相同圖像。左下角的陰影銀色將大津的門檻引向歧途。有沒有辦法設置一個圓形的感興趣區域，這樣可以避免角落的噪音？

Answer 1

使用Hough Circle Transform直接上好的限圖像樣的作品對於這種特殊情況下，即使檢測到的圈子有點偏差：

cv::Mat thres; 
cv::threshold(gray, thres, 110, 255, cv::THRESH_BINARY); 

std::vector<cv::Vec3f> circles; 
cv::HoughCircles(thres, circles, cv::HOUGH_GRADIENT, 1, thres.rows/2, 20, 15); 
for (size_t i = 0; i < circles.size(); i++) 
{ 
    cv::Point center(cvRound(circles[i][0]), cvRound(circles[i][1])); 
    int radius = cvRound(circles[i][2]); 
    cv::circle(input, center, 3, cv::Scalar(0, 255, 255), -1); 
    cv::circle(input, center, radius, cv::Scalar(0, 0, 255), 1); 
} 

⇨ ⇨

在更復雜的情況下，你可能要嘗試其他閾值法，以及fill the internal parts(holes) of the segments重建他們回到一個橢圓形。

下面示出的處理流水線執行以下操作以提高硬幣的檢測：

• 輸入圖像爲灰度轉換;
• 應用閾值;
• 執行形態學操作以連接附近的片段;
• 填充段內的孔;
• 最後，調用cv::HoughCircles()來檢測圓形。

⇨ ⇨ ⇨ ⇨

有可能注意到，硬幣檢測是多一點點集中使用這種方法。總之，這裏的這樣神奇的C++代碼示例：

// Load input image 
cv::Mat input = cv::imread("coin.jpg"); 
if (input.empty()) 
{ 
    std::cout << "!!! Failed to open image" << std::endl; 
    return -1; 
} 

// Convert it to grayscale 
cv::Mat gray; 
cv::cvtColor(input, gray, cv::COLOR_BGR2GRAY); 

// Threshold the grayscale image for segmentation purposes 
cv::Mat thres; 
cv::threshold(gray, thres, 110, 255, cv::THRESH_BINARY); 
//cv::imwrite("threhsold.jpg", thres); 

// Dirty trick to join nearby segments 
cv::Mat element = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(15, 15)); 
cv::morphologyEx(thres, thres, cv::MORPH_OPEN, element); 
//cv::imwrite("morph.jpg", thres); 

// Fill the holes inside the segments 
fillHoles(thres); 
//cv::imwrite("filled.jpg", thres); 

// Apply the Hough Circle Transform to detect circles 
std::vector<cv::Vec3f> circles; 
cv::HoughCircles(thres, circles, cv::HOUGH_GRADIENT, 1, thres.rows/2, 20, 15); 
std::cout << "* Number of detected circles: " << circles.size() << std::endl; 

for (size_t i = 0; i < circles.size(); i++) 
{ 
    cv::Point center(cvRound(circles[i][0]), cvRound(circles[i][1])); 
    int radius = cvRound(circles[i][2]); 
    cv::circle(input, center, 3, cv::Scalar(0,255,255), -1); 
    cv::circle(input, center, radius, cv::Scalar(0,0,255), 1); 
} 

cv::imshow("Output", input); 
//cv::imwrite("output.jpg", input); 

cv::waitKey(0); 

Helper function：

void fillHoles(cv::Mat& img) 
{ 
    if (img.channels() > 1) 
    { 
     std::cout << "fillHoles !!! Image must be single channel" << std::endl; 
     return; 
    } 

    cv::Mat holes = img.clone(); 
    cv::floodFill(holes, cv::Point2i(0,0), cv::Scalar(1)); 

    for (int i = 0; i < (img.rows * img.cols); i++) 
     if (holes.data[i] == 255) 
      img.data[i] = 0; 
} 

Answer 2

你可以使用霍夫的finding circles：

/// Apply the Hough Transform to find the circles 
HoughCircles(src_gray, circles, CV_HOUGH_GRADIENT, 1, src_gray.rows/8, 200, 100, 0, 0); 

你找到的最大的循環後，可以設置爲0，所有的像素外