如何在存在噪聲的情況下斷開圓圈並在邊緣斷裂時檢測圓圈？

Question

我試圖檢測所有的光學圈，但我面臨着圓圈邊緣相當碎裂的困難。某些地方，由於噪音二元化後，圓圈彼此接觸。有沒有解決方法？

pattern = [{0:0,1:1,2:2,3:3,4:4,5:5,6:6,7:7,8:8,9:9}, 
     {0:0,1:1,2:2,3:3,4:4,5:5,6:6,7:7,8:8,9:9}, 
     {0:0,1:1,2:2,3:3,4:4,5:5,6:6,7:7,8:8,9:9}, 
     {0:0,1:1,2:2,3:3,4:4,5:5,6:6,7:7,8:8,9:9}, 
     {0:0,1:1,2:2,3:3,4:4,5:5,6:6,7:7,8:8,9:9}, 
     {0:0,1:1,2:2,3:3,4:4,5:5,6:6,7:7,8:8,9:9}, 
     {0:0,1:1,2:2,3:3,4:4,5:5,6:6,7:7,8:8,9:9}, 
     {0:0,1:1,2:2,3:3,4:4,5:5,6:6,7:7,8:8,9:9}, 
     {0:0,1:1,2:2,3:3,4:4,5:5,6:6,7:7,8:8,9:9}, 
     {0:0,1:1,2:2,3:3,4:4,5:5,6:6,7:7,8:8,9:9} 
    ] 
stringLen = len(pattern) 
blobCnts = sum([len(d) for d in pattern]) 

raw_image = cv2.imread(imagePath) 
gray = cv2.cvtColor(raw_image, cv2.COLOR_BGR2GRAY) 
thresh = cv2.threshold(gray, 0, 255, 
      cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1] 

bloblist = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0] 
blobcnts = contours.sort_contours(bloblist)[0] 
contour_list = [] 
sorted_contour = [] 
for blob in blobcnts: 
     approx = cv2.approxPolyDP(blob,0.01*cv2.arcLength(blob,True),True) 
     area = cv2.contourArea(blob) 
     (x,y),r = cv2.minEnclosingCircle(blob) 
     center = (int(x),int(y)) 
     r = int(r) 
     if ((len(approx) >= 8) & (len(approx) <= 23) & (area > 30) & (8 < r < 20)): 
      contour_list.append(blob) 

numlist = [] 
if blobCnts == len(contour_list): 
     for (l, i) in enumerate(np.arange(0, blobCnts, stringLen)): 
      cnts = contours.sort_contours(contour_list[i:i + 10],method="top-to-bottom")[0] 
      numlist.append(cnt) 

print cnt 

Answer 1

如果圓圈被填滿，使用Canny獲得邊緣。然後應用霍夫變換。對於缺少像素，遮擋等的圓圈來說，這是強大的。

霍夫在一個「投票」系統上轉換工作。每個可能的圈子由每個像素投票（如果它在上面）。接下來你必須根據先前的信息使用它有點不同。如果您知道您只有一個像素，請選擇最高。如果你知道你有兩個，選擇最高，然後排除任何非常接近它的圈（這可能是同一圈的選票），然後選擇下一個最高的獨立圈。如果你不知道數字，你必須建立你的門檻和你的最小距離之間的圓圈（通常你會想不允許重疊少於四分之一半徑）。來自OpenCV的

Answer 2

This例如聽起來像你的問題（http://docs.opencv.org/trunk/d3/db4/tutorial_py_watershed.html）