在不使用霍夫圆圈的情况下检测圆圈

2 回答

• 4

  一种可能的方法是首先使图像摆脱圆圈周围的一些噪音 . 然后，您可以使用Canny边缘检测提取圆的边缘 . 最后，findNonZero获取像素坐标列表 .

  ---

  我首先使用Python做了一个快速原型：

  import cv2
  import numpy as np
  
  img = cv2.imread('circle.png', 0)
  mask = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)[1]
  edges = cv2.Canny(mask, 20, 100)
  points = np.array([p[0] for p in cv2.findNonZero(edges)])
  

  ---

  然后将其移植到C，添加一些额外的代码来保存所有中间图像并绘制找到的像素 .

  #include <opencv2/opencv.hpp>
  
  int main()
  {
      cv::Mat img(cv::imread("circle.png", 0));
  
      cv::Mat mask;
      cv::threshold(img, mask, 127, 255, cv::THRESH_BINARY);
  
      cv::imwrite("circle_1.png", mask);
  
      cv::Mat edges;
      cv::Canny(mask, edges, 20, 100);
  
      cv::imwrite("circle_2.png", edges);
  
      std::vector<cv::Point2i> points;
      cv::findNonZero(edges, points);
  
      cv::Mat output(cv::Mat::zeros(edges.size(), CV_8UC3));
      for (auto const& p : points) {
          output.at<cv::Vec3b>(p) = cv::Vec3b(127, 255, 127);
      }
      cv::imwrite("circle_3.png", output);
  }
  

  ---

  输出 threshold ：

  

  输出 Canny ：

  

  重新绘制像素：

  

  回复于 2024-05-04T06:58:50+08:00
• 3

  另一种方法（对于不仅仅是圆圈有用）就是找到image contours并在圆圈上做image moment analysis以找到它的质心：

  

  

  如果您要继续进行图像处理，我建议您学习它们 . 它们是非常有用的方法，可以将图像转换为更有用的结构 .

  回复于 2024-05-04T06:58:50+08:00