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有哪些？

例如: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jamk)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

要加速这些算法,您可以查看您的图像集合,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.
• 抛弃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.
• 如果您的圆圈定义非常明确,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:先从一个完整的实现和标杆,然后逐渐收紧的参数设置,并同时确保你仍然可以找到适合您的应用程序和图像组圆限制搜索范围.

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.您将需要边缘保留缩放方法在较小的规模.

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.图像将很小,可能的半径范围将受到限制,因此这应该是一个快速操作.
2. 如果您在小尺度上使用初始拟合找到圆,则通过在下一个更大尺度的图像中进行测试来改善拟合 - 或 - 继续并在全尺寸图像中搜索.
3. 检查下一个最大规模.在较小比例图像中不可见的圆圈可能突然"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比例图像中执行粗圆拟合来减少总循环次数,然后在全尺寸图像中优化这些边缘点的拟合.

边缘保留缩放还可以使用相关类型工具来查找圆,但能够这样做取决于图像的内容,包括噪声,边缘点表示圆的完整程度等等.