Question

我想在下面的图像中分别检测红色和绿色圆圈（以及一些其他类似的图像）

我使用的是opencv和python。

我尝试过使用houghcircles，但即使更改了params之后也没有任何帮助。

任何建议如何做到这一点真的会有很大帮助。如果有人发送代码，我将不胜感激

Answer 1

您在评论中提到圈子的大小始终相同。让我们利用这个事实。我的代码片段是用C ++语言编写的，但这不应该是一个问题，因为它们只是为了显示要使用的OpenCV函数（以及如何）...

<强> TL; DR 执行此操作：

创建典型的圆形图像 - 模板图像。
使用template matching获取所有圈子位置。
检查每个圆圈的颜色。

现在，让我们开始吧！

第1步 - 模板图片

您需要一张图片，显示与背景明显分开的圆圈。你有两个选择（两者都同样好）：

自己制作这样的图像（如果你知道半径就计算它），或者
只需从您正在处理的图像中拍摄一张图像，然后裁剪一个清晰可见的圆圈并将其保存为单独的图像（这是我所做的，因为它是一个更快的选项）

圆圈可以是任何颜色 - 重要的是它与背景不同。

第2步 - 模板匹配

加载图片和模板图片并将其转换为HSV color space。然后拆分通道，以便您只能使用饱和通道：

using namespace std;
using namespace cv;

Mat im_rgb = imread("circles.jpg");
Mat tm_rgb = imread("template.jpg");

Mat im_hsv, tm_hsv;
cvtColor(im_rgb, im_hsv, CV_RGB2HSV);
cvtColor(tm_rgb, tm_hsv, CV_RGB2HSV);
vector<Mat> im_channels, tm_channels;
split(im_hsv, im_channels);
split(tm_hsv, tm_channels);

这就是圈子和模板现在的样子：

接下来，您必须获取包含圈子边框信息的图片。无论您如何实现这一目标，都必须在图像和模板饱和度通道上应用完全相同的操作。我用sobel算子来完成工作。代码示例仅显示我在图像饱和通道上执行的操作;模板饱和通道经历了完全相同的过程：

Mat im_f;
im_channels[1].convertTo(im_f, CV_32FC1);
GaussianBlur(im_f, im_f, Size(3, 3), 1, 1);
Mat sx, sy;
Sobel(im_f, sx, -1, 1, 0);
Sobel(im_f, sy, -1, 0, 1);

Mat image_input = abs(sx) + abs(sy);

获取的图像和模板上的圆圈如何显示：

现在，执行模板匹配。我建议您选择模板匹配的类型来计算归一化的相关系数：

Mat match_result;
matchTemplate(image_input, template_input, match_result, CV_TM_CCOEFF_NORMED);

这是模板匹配结果：

如果将模板放置在图像上的不同位置，此图像会告诉您模板与基础图像的关联程度。例如，像素（0,0）处的结果值对应于放置在输入图像上的（0,0）处的模板。

当模板放置在与底层图像匹配良好的位置时，相关系数很高。使用阈值方法丢弃除信号峰值以外的所有内容（模板匹配的值将位于[-1,1]区间内，并且您只对接近1的值感兴趣）：

Mat thresholded;
threshold(match_result, thresholded, 0.8, 1.0, CV_THRESH_BINARY);

接下来，确定每个隔离区域内模板结果最大值的位置。为此，我建议您使用阈值图像作为掩码。每个区域内只需要选择一个最大值。

这些位置会告诉您必须放置模板的位置，以使其与圆圈最匹配。我绘制了从这些点开始并具有与模板图像相同的宽度/高度的矩形：

第3步：圆圈的颜色

现在你知道模板应该放在哪里，以便它们很好地覆盖圆圈。但您仍需要找出圆心位于模板图像上的位置。您可以通过计算模板饱和度通道的质量中心来实现：

在图像上，圆心位于以下点：

Point circ_center_on_image = template_position + circ_center_on_template;

现在您只需要检查这些点的红色通道强度是否大于绿色通道强度。如果是，则圆圈为红色，否则为绿色：

检测红色和绿色圆圈

1 个答案: