将嘈杂的硬币重塑成圆形

Question

我正在使用JavaCV（OpenCV包装器）进行硬币检测，但是当硬币连接时我遇到了一些问题。如果我试图侵蚀它们以分离这些硬币，它们会松开它们的圆形形状，如果我试图计算每个硬币内部的像素，就会出现问题，因此一些硬币可能被错误地计算为更大的硬币。我想要做的是首先重塑它们并使它们像一个圆圈（等于该硬币的半径），然后计算它们内部的像素。

这是我的阈值图像：

这是被侵蚀的图片：

有什么建议吗？或者有没有更好的方法来打破硬币之间的桥梁？

Answer 1

它看起来类似于我最近分离在琼脂平板上生长的细菌菌落的问题。 我在阈值图像上执行了距离变换（在您的情况下，您需要将其反转）。 然后找到距离图的峰值（通过计算扩张距离图和距离图之间的差异并找到零值）。 然后，我假设每个峰值为圆心（硬币），距离图中峰值的值为圆的半径。

以下是此管道之后的图片结果：

我是OpenCV和c ++的新手，所以我的代码可能非常混乱，但我这样做了：

int main( int argc, char** argv ){

    cv::Mat objects, distance,peaks,results;
    std::vector<std::vector<cv::Point> > contours;

    objects=cv::imread("CUfWj.jpg");
    objects.copyTo(results);
    cv::cvtColor(objects, objects, CV_BGR2GRAY);
    //THIS IS THE LINE TO BLUR THE IMAGE CF COMMENTS OF THIS POST
    cv::blur( objects,objects,cv::Size(3,3));
    cv::threshold(objects,objects,125,255,cv::THRESH_BINARY_INV);


    /*Applies a distance transform to "objects".
     * The result is saved in "distance" */
    cv::distanceTransform(objects,distance,CV_DIST_L2,CV_DIST_MASK_5);

    /* In order to find the local maxima, "distance"
     * is subtracted from the result of the dilatation of
     * "distance". All the peaks keep the save value */
    cv::dilate(distance,peaks,cv::Mat(),cv::Point(-1,-1),3);
    cv::dilate(objects,objects,cv::Mat(),cv::Point(-1,-1),3);

    /* Now all the peaks should be exactely 0*/
    peaks=peaks-distance;

    /* And the non-peaks 255*/
    cv::threshold(peaks,peaks,0,255,cv::THRESH_BINARY);
    peaks.convertTo(peaks,CV_8U);

    /* Only the zero values of "peaks" that are non-zero
     * in "objects" are the real peaks*/
    cv::bitwise_xor(peaks,objects,peaks);

    /* The peaks that are distant from less than
     * 2 pixels are merged by dilatation */
    cv::dilate(peaks,peaks,cv::Mat(),cv::Point(-1,-1),1);

    /* In order to map the peaks, findContours() is used.
     * The results are stored in "contours" */
    cv::findContours(peaks, contours, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
    /* The next steps are applied only if, at least,
     * one contour exists */
    cv::imwrite("CUfWj2.jpg",peaks);
    if(contours.size()>0){

        /* Defines vectors to store the moments of the peaks, the center
         * and the theoritical circles of the object of interest*/
        std::vector <cv::Moments> moms(contours.size());
        std::vector <cv::Point> centers(contours.size());
        std::vector<cv::Vec3f> circles(contours.size());
        float rad,x,y;
        /* Caculates the moments of each peak and then the center of the peak
         * which are approximatively the center of each objects of interest*/

        for(unsigned int i=0;i<contours.size();i++) {
            moms[i]= cv::moments(contours[i]);
            centers[i]= cv::Point(moms[i].m10/moms[i].m00,moms[i].m01/moms[i].m00);
            x= (float) (centers[i].x);
            y= (float) (centers[i].y);
            if(x>0 && y>0){
                rad= (float) (distance.at<float>((int)y,(int)x)+1);
                circles[i][0]= x;
                circles[i][3]= y;
                circles[i][2]= rad;
                cv::circle(results,centers[i],rad+1,cv::Scalar( 255, 0,0 ), 2, 4, 0 );
            }
        }
        cv::imwrite("CUfWj2.jpg",results);
    }

    return 1;
}

Answer 2

你不需要侵蚀，只需要cvHoughCircles()的一组好的参数：

用于生成此图片的代码来自我的其他帖子：Detecting Circles，其中包含以下参数：

CvSeq* circles = cvHoughCircles(gray, storage, CV_HOUGH_GRADIENT, 1, gray->height/12, 80, 26);

Answer 3

OpenCV有一个名为HoughCircles（）的函数，可以应用于你的情况，而不会分离不同的圆圈。你能用JavaCV打电话吗？如果是这样，它会做你想要的（检测和计算圆圈），绕过你的分离问题。

重点是准确检测圆圈而不先将它们分开。其他算法（例如模板匹配可以用来代替广义Hough变换，但你必须考虑到不同大小的硬币。

Answer 4

基于侵蚀的物体识别的常用方法是在侵蚀图像中标记连续区域，然后重新生长它们，直到它们与原始图像中的区域匹配。不过，在你的情况下，霍夫圈是一个更好的主意。

Answer 5

在检测到连接的硬币后，我建议应用形态学操作将区域分类为＆＃34;绝对硬币＆＃34;并且＆＃34;绝对不是硬币＆＃34;，应用距离变换，然后运行分水岭以确定边界。这个场景实际上是OpenCV中分水岭算法的演示示例 - 也许是为了回答这个问题而创建的。