การตรวจจับวงกลมในข้อมูลภาพที่มีเสียงดัง

ฉันมีภาพที่ดูเหมือนด้านล่าง:

ฉันพยายามหารัศมี (หรือเส้นผ่าศูนย์กลาง) ของวงกลม ฉันได้ลองใช้การแปลงแบบ Hough แบบวงกลม (ผ่านทาง matlab's imfindcircles(bw,[rmin rmax],'ObjectPolarity','bright')) และโดยการปรับให้เหมาะกับรูปวงกลมหรือวงรี (ฟังก์ชั่นโฮมเมดที่ทำงานได้ดีสำหรับข้อมูลที่มีเสียงรบกวนน้อยดูด้านล่าง)

ฉันได้ลองประมวลผลภาพเพื่อให้ได้วงกลมที่ชัดเจนขึ้นเช่นดูด้านล่าง:

se = strel('disk', 2);
bw = imdilate(bw, se);
bw = bwareaopen(bw,100000); 
bw =  edge(bw); 

อย่างไรก็ตามเมื่อฉันป้อนรูปภาพที่ถูกประมวลผลไปยังเทคนิคใด ๆ (การปรับ Hough และ circle \ ellipse) ทั้งคู่ไม่สามารถตรวจจับวงกลมในลักษณะที่เหมาะสมได้

นี่คือข้อมูลโค้ดของตัวค้นหาวงกลมที่ฉันเขียน (matlab) [row col] = find (bw); contour = bwtraceboundary (bw, แถว (1), col (1)], 'N', การเชื่อมต่อ, num_points);

    x = contour(:,2);
    y = contour(:,1);

    % solve for parameters a, b, and c in the least-squares sense by
    % using the backslash operator
    abc = [x y ones(length(x),1)] \ -(x.^2+y.^2);
    a = abc(1); b = abc(2); c = abc(3);

    % calculate the location of the center and the radius
    xc = -a/2;
    yc = -b/2;
    radius  =  sqrt((xc^2+yc^2)-c);

แนวทางอื่น ๆ จะได้รับการชื่นชม ...

นี่คือทางออกของฉันมันใกล้กับความคิดของ @ Yoda แต่ฉันเปลี่ยนขั้นตอนบางอย่าง

• ทำเครื่องหมายพิกเซลทั้งหมดเพื่อให้มีอย่างน้อย 6 พิกเซลในพื้นที่ใกล้เคียง 7x7
• ลบ blobs ทั้งหมด แต่ใหญ่ที่สุด
• เติมหลุม
• ใช้การตรวจจับขอบ
• ค้นหาวงกลมโดยใช้การแปลง Hough

นี่คือรหัส Matlab ที่เกี่ยวข้อง ฉันกำลังใช้การแปลง Hough สำหรับไฟล์. m วงกลมในรหัสของฉัน

function FindCircle()
    close all;
    im = imread('C:\circle.png');
    im = im(:,:,2);

    ims = conv2(double(im), ones(7,7),'same');
    imbw = ims>6;
    figure;imshow(imbw);title('All pixels that there are at least 6 white pixels in their hood');

    props = regionprops(imbw,'Area','PixelIdxList','MajorAxisLength','MinorAxisLength');
    [~,indexOfMax] = max([props.Area]);
    approximateRadius =  props(indexOfMax).MajorAxisLength/2;

    largestBlobIndexes  = props(indexOfMax).PixelIdxList;
    bw = false(size(im));
    bw(largestBlobIndexes) = 1;
    bw = imfill(bw,'holes');
    figure;imshow(bw);title('Leaving only largest blob and filling holes');
    figure;imshow(edge(bw));title('Edge detection');

    radiuses = round ( (approximateRadius-5):0.5:(approximateRadius+5) );
    h = circle_hough(edge(bw), radiuses,'same');
    [~,maxIndex] = max(h(:));
    [i,j,k] = ind2sub(size(h), maxIndex);
    radius = radiuses(k);
    center.x = j;
    center.y = i;

    figure;imshow(edge(bw));imellipse(gca,[center.x-radius  center.y-radius 2*radius 2*radius]);
    title('Final solution (Shown on edge image)');

    figure;imshow(im);imellipse(gca,[center.x-radius  center.y-radius 2*radius 2*radius]);
    title('Final solution (Shown on initial image)');

end

มันค่อนข้างตรงไปตรงมาที่จะใช้การประมวลผลภาพ ต่อไปนี้เป็นข้อพิสูจน์ของแนวคิดในMathematica คุณจะต้องแปลมันเป็น MATLAB

• ขั้นแรกตัดแต่งแกนและเก็บเฉพาะส่วนของภาพ ฉันเรียกตัวแปรนี้imgว่า

• เปลี่ยนภาพให้เป็นสองเท่าและขยายภาพตามด้วยการเปลี่ยนไส้ ฉันยังลบส่วนประกอบขนาดเล็กหลงทางที่ไม่ได้เชื่อมต่อกับหยดหลัก มันควรจะให้อะไรบางอย่างเช่น:

  filled = Binarize@img ~Dilation~ 3 // FillingTransform // DeleteSmallComponents
  

  

• ถัดไปหาเซนทรอยด์ของหยดนี้และรัศมีดิสก์ที่เทียบเท่าของหยด (openCV, MATLAB ทั้งหมดมีคำสั่งเทียบเท่าในการทำเช่นนี้)

  {center, radius} = 1 /. ComponentMeasurements[filled, {"Centroid", "EquivalentDiskRadius"}]
  

• แค่นั้นแหละ! ตอนนี้พล็อตภาพต้นฉบับและวงกลมที่มีจุดศูนย์กลางและรัศมีด้านบนเพื่อดูว่ามันเหมาะสมอย่างไร:

  Show[img, Graphics[{Red, Circle[center, radius]}]]