opencv - 如何去除错误检测？

Question

我正在使用 OpenCV 检测二进制图像中的椭圆，如下所示。在图像中，有八个椭圆需要检测。我可以使用 findContours 获得很多轮廓，包括八个椭圆。问题是：我如何判断哪个是椭圆哪个不是？如何删除所有其他错误检测？

Answer 1

在这种特定情况下，霍夫圆变换可能是最简单的解决方案。

复制教程中的代码并将参数更改cv::HoughCircles()为：

/// Apply the Hough Transform to find the circles
HoughCircles( src_gray, circles, CV_HOUGH_GRADIENT, 1, 10, 40, 30, 0, 0 );

输出：

但我喜欢@George 的想法，随它去吧，它比指定硬编码常量更健壮。我的方法对这张图片很有效，但是如果你有不同大小的圆圈和东西的图片，你想使用cv::minEnclosingCircle().

Answer 2

一个选项有点老套：在 findContours 之上使用minEnclosureCircle并按 min 过滤轮廓。基于阈值的封闭半径（删除小于半径 A（删除小斑点）和大于半径 B（删除大斑点））。您还可以尝试minAreaRect并检查宽度/高度比以寻找均匀的斑点而不是高/宽的斑点。

不那么 hacky 的解决方案是使用 Hough 变换。看看霍夫圆和教程

Answer 3

现在我想我已经使用自己的算法成功地解决了这个问题。只需发布它以供将来参考。

如下图，所有的椭圆都可以准确定位。并且成功去除了错误检测。另一方面，该算法非常省时：在我的普通桌面上处理所有图像只需 0.03 秒。图像尺寸：448x336 像素

算法过程：

1. 使用函数 findContours 从二值图像中检测轮廓
2. 通过设置轮廓最小尺寸的阈值来删除太小的轮廓
3. 使用函数 fitEllipse 检测椭圆
4. 将轮廓与相应的椭圆进行比较。具体来说，将所有轮廓点代入一般椭圆方程（参见http://www.maa.org/joma/volume8/kalman/general.html）。然后计算代数误差。如果误差小于阈值，则排除该轮廓。

编辑： 对 George Profenza 和 karlphillip 的回答的评论。 感谢 George Profenza 和 karlphillip 的回答。但是，他们的回答并不能很好地解决问题。George Profenza 给出的第一个想法是为轮廓的大小设置阈值。事实上，我已经在我的算法中使用了它。但显然这是算法的初步步骤。有很多“好”尺寸的错误检测。George Profenza 的第二个想法是使用 HoughCircles，也是由 karlphillip 提出的。HoughCircles 的问题是：（a）它很慢，而我需要在嵌入式系统中实时实现算法。(b) 它只能检测圆形而不能检测椭圆。当然，当椭圆接近圆时，它也有效。但对于一般情况，它不会。此外，我上面的方法无法检测到“图 8”。这是一个大问题，我仍在努力。

Answer 4

虽然之前已经接受了另一个答案，但是有几个选项需要探索，所以我会添加另一个答案。假设 Hough 方法对您的应用程序来说足够快，这里有一些有趣的替代方案：

1. 使用 OpenCV 进行椭圆检测
2. http://toyhouse.cc/profiles/blogs/modified-hough-ellipse-transform-detecting-ellipse-in-an-accurate
3. http://www.codeforge.com/article/131943
4. 我在上面的评论中添加的论文：http ://www.bmva.org/bmvc/1988/avc-88-041.pdf

我还可以补充一点，霍夫可能是可靠地检测椭圆的“正确”方法，但您可能会遇到额外的挑战。您表示 Hough circles 在您的桌面上足够快，但桌面的性能与嵌入式系统匹配程度如何？嵌入式系统有浮点单元吗？如果不是，请不要对软件模拟浮点所表现出的性能过于担心。您仍然可以使用定点数学、查找表等令人满意地实现 Hough 算法。