检测图像中圆圈的快速方法有哪些？

Question

检测图像中圆圈的快速方法是什么？

对于前： 我有一个大圆圈的图像，并在大圆圈内有6个小圆圈。

我需要在不使用Hough Circles（OpencV）的情况下找到一个大圆圈。

Answer 1

查找圆圈的标准算法是Hough（评论中提到的堵塞）和RANSAC。参数化这些算法将为您的应用程序设置基线速度。

http://en.wikipedia.org/wiki/Hough_transform

http://en.wikipedia.org/wiki/RANSAC

要加快这些算法的速度，您可以查看您的图像集，并决定限制搜索范围是否有助于加快搜索速度。这很简单：只在半径的合理范围内搜索。由于它们将边缘点作为输入，因此您还可以查看减少检查边缘点数量的方法。

但是，还有一些其他技巧可以加快处理速度。

• 仔细设置检查半径的范围。例如，您可能不会简单地从最小可能半径检查到最大可能半径，而是可以将搜索分成两个不同的范围：从半径R1到R2，然后从半径R3到R4。
• 放弃Canny边缘检测，以支持应用程序可以容忍的最快边缘检测。 （你可以在很多应用程序中抛弃Canny。）
• 预处理边缘点图像以消除异常值。消除异常值的适当算法将特定于您的图像集，但您可能能够找到一种消除明显异常值的算法，从而在更昂贵的圆拟合算法中节省一些搜索时间。
• 如果您的圈子定义得很好，并且所有或几乎所有点都存在，请弄清楚如何只匹配四分之一圆或半圆而不是整圆。

长话短说：从完整的实施开始并对其进行基准测试，然后逐步收紧参数设置并限制搜索范围，同时确保您仍然可以为应用程序和图像集找到圆圈。

如果您的图像适合缩放，那么一种可能性是创建不同比例的图像金字塔图像：1/2比例，1/4比例，1/8比例等。您需要一个边缘 - 在较小的尺度上保留缩放方法。

获得图像金字塔后，请尝试以下操作：

1. 以最小的比例查找圆圈。图像会很小 可能的半径范围将是有限的，所以这应该是a 快速操作。
2. 如果您在小尺度上找到使用初始拟合的圆，请通过在下一个更大尺度的图像中进行测试来改善拟合度 - 或者 - 继续搜索全尺寸图像。
3. 检查下一个最大比例。在较小比例图像中不可见的圆圈可能会突然“出现”在当前比例中。
4. 通过图像中的所有比例重复上述步骤。

图像缩放将是一个快速操作，您可以看到，如果您的圆圈中至少有一个圆圈存在于较小比例的图像中，您应该能够通过在小图像中执行粗圆圈来减少总循环次数缩放图像，然后在全尺寸图像中优化这些边缘点的拟合。

边缘保留缩放也可以使用相关类型工具来查找圆圈，但能够这样做取决于图像的内容，包括噪点，边缘点如何表示圆圈，等等。

Answer 2

或许，检测contours并检查其属性，例如尝试使用cv::isContourConvex或其他方式可以使用covariance matrix的特征值，并检查轮廓的代表ellipse first eccentricity是否为0。