5

我正在尝试检测您可以在这张图片的中心看到的四个点： 在此处输入图像描述 这个被转换为 png，我实际上使用的是 ppm 格式（从相机的原始输出转换后）。实际处理的图像可在此处获得

我是opencv的新手，因此在检测这些点时遇到了很大的问题。这是我迄今为止最好的结果： 在此处输入图像描述

如您所见，我检测到了 3 个点，但除此之外，图片中的许多其他东西也被识别为圆圈。

这是代码：

    IplImage* img;
    if((img = cvLoadImage( "photos/img-000012.ppm", 1)) == 0 )
    {
        perror("cvLoadImage");
        return 1;
    }
    cvNamedWindow( "Image view", 1 );
    cvShowImage( "Image view", img );
//  cvWaitKey(0);

    IplImage* gray = cvCreateImage( cvGetSize(img), 8, 1 ); // allocate a 1 channel byte image
    CvMemStorage* storage = cvCreateMemStorage(0);
    cvCvtColor( img, gray, CV_BGR2GRAY );
    cvShowImage( "Image view", gray );
//  cvWaitKey(0);

    cvSmooth( gray, gray, CV_GAUSSIAN, 3, 3, 0, 0 );
    cvShowImage( "Image view", gray );
    cvWaitKey(0);

    CvSeq* circles = cvHoughCircles(gray, storage, CV_HOUGH_GRADIENT,
            4,      // inverse ratio of the accumulator resolution
            1,      // minimum distance between circle centres
            100,    // higher threshold value for Canny
            20,     // accumulator threshold for the circle centers; smaller->more false circles
            1,  // minimum radius
            10 );   // maximum radius

    printf("circles == %d\n", circles->total);
    int i;
    for (i = 0; i < circles->total; i++) {
        float *p = (float*)cvGetSeqElem(circles, i);
        CvPoint center = cvPoint(cvRound(p[0]),cvRound(p[1]));
        CvScalar val = cvGet2D(gray, center.y, center.x);
        if (val.val[0] < 1) continue;
        printf("%d %d %d\n", cvRound(p[0]),cvRound(p[1]), cvRound(p[2]));
        cvCircle(img,  center, cvRound(p[2]),             CV_RGB(0,255,0), 1, CV_AA, 0);
    }
    cvShowImage( "Image view", img );
    cvWaitKey(0);

你知道如何帮助吗？我将不胜感激。我认为人眼很容易发现这些点，所以我希望我可以使用计算机检测它们。

4

2 回答 2

4

你应该看看这篇文章。

使用我基于它开发的应用程序，我得到：

在此处输入图像描述

您基本上可以根据您的情况调整此方法并使其更有效：“5。” （“在授予其形状（大小，面积，凸度......”）时验证或使轮廓无效。在您的情况下可能会更加严格，因为您没有圆圈簇。您可以只映射几乎完美的对象圈子。此外，您知道您的圈子具有相同的大小/相对强度...

有什么不清楚的请告诉我，

祝你好运，

于 2012-08-05T13:15:45.580 回答
0

我认为霍夫变换不是最好的情况。可能您可以对它们进行分割，并使用它们的颜色和几何参数简单地识别。

于 2012-08-05T12:14:34.617 回答