简单的圆检测模型

Question

我在深色背景上有一组100x100像素的浅色“斑点”照片。他们看起来像这样：

如您所见，它们不是完全居中，边界不完美，有时还会有次要瑕疵。但是，感兴趣的对象总是很大（大于区域的1/10），并且或多或少是圆形的。

我想找到每个斑点的大小。

从每个100x100的图块中选取100个随机像素后，我可以通过计算Z分数与背景的比值来选择属于斑点的像素，然后仅保留Z> 3的像素。然后，我可以计算质心（以x / y坐标和Z为质量）来获得每个点的中心的近似值。但是，我不确定如何检测直径。

我曾想过简单地在最外面的明亮像素周围画一个圆，然后在有瑕疵的情况下，我最终会得到一个太大的圆。显然，我需要一个能够更好地适应误报的模型（例如，明亮但不属于斑点的像素）。有没有一种数学上简单的方法（即，不是复杂的SVM方法）？结果应该是这样的（如果我们可视化的话）：

Answer 1

这应该可以完成工作：

1. 使用阈值转换为二进制图像
2. 执行适当数量的erosion操作以消除斑点或至少将斑点与斑点分开
3. 执行相同数量的dilation操作以恢复斑点的原始大小。
4. 对于连接的白色像素的每个区域，计算质心并计算像素数以估算半径。
5. 忽略像素太少的区域。

您可以添加其他检查以确保区域近似圆形。例如，您可以检查每个边界像素和质心之间的距离是否在某个范围内。