检测图像上的硬币(和拟合椭圆)

Question

我目前正在开展一个项目,我正试图检测一些平躺在平面上的硬币(即桌子).硬币不重叠,不会被其他物体隐藏.但可能有其他物体可见,照明条件可能不完美...基本上考虑自己拍摄你的桌子上有一些硬币.

所以每个点都应该是椭圆形.由于我不知道相机的位置,椭圆的形状可能会有所不同,从圆圈(从顶部看)到扁平椭圆,取决于硬币拍摄的角度.

我的问题是,我不知道如何提取硬币,最后在它们上面放置椭圆(我正在寻找进一步的计算).

现在,我刚刚通过在OpenCV中设置阈值进行了第一次尝试,使用findContours()获取轮廓线并拟合椭圆.不幸的是,轮廓线很少给我硬币的形状(反射,光线不好......),这种方式也不是首选,因为我不希望用户设置任何阈值.

另一个想法是在该图像上使用椭圆的模板匹配方法,但由于我不知道相机的角度和椭圆的大小,我认为这不会很好...

所以我想问一下是否有人能告诉我一种方法可以解决我的问题......

有没有快速的方法从图像中提取三个硬币？计算应该在移动设备上实时进行,并且该方法对于不同或变化的灯光或背景的颜色不应过于敏感.

如果有人能给我任何关于哪种方法对我有用的提示,那会很棒...

Answer 1

以下是一些实现传统方法的C99源代码(基于OpenCV doco):

#include "cv.h"
#include "highgui.h"

#include <stdio.h>

#ifndef M_PI
#define M_PI 3.14159265358979323846
#endif

//
// We need this to be high enough to get rid of things that are too small too
// have a definite shape.  Otherwise, they will end up as ellipse false positives.
//
#define MIN_AREA 100.00    
//
// One way to tell if an object is an ellipse is to look at the relationship
// of its area to its dimensions.  If its actual occupied area can be estimated
// using the well-known area formula Area = PI*A*B, then it has a good chance of
// being an ellipse.
//
// This value is the maximum permissible error between actual and estimated area.
//
#define MAX_TOL  100.00

int main( int argc, char** argv )
{
    IplImage* src;
    // the first command line parameter must be file name of binary (black-n-white) image
    if( argc == 2 && (src=cvLoadImage(argv[1], 0))!= 0)
    {
        IplImage* dst  = cvCreateImage( cvGetSize(src), 8, 3 );
        CvMemStorage* storage = cvCreateMemStorage(0);
        CvSeq* contour = 0;    
        cvThreshold( src, src, 1, 255, CV_THRESH_BINARY );
        //
        // Invert the image such that white is foreground, black is background.
        // Dilate to get rid of noise.
        //
        cvXorS(src, cvScalar(255, 0, 0, 0), src, NULL);
        cvDilate(src, src, NULL, 2);    
        cvFindContours( src, storage, &contour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0));
        cvZero( dst );

        for( ; contour != 0; contour = contour->h_next )
        {
            double actual_area = fabs(cvContourArea(contour, CV_WHOLE_SEQ, 0));
            if (actual_area < MIN_AREA)
                continue;

            //
            // FIXME:
            // Assuming the axes of the ellipse are vertical/perpendicular.
            //
            CvRect rect = ((CvContour *)contour)->rect;
            int A = rect.width / 2; 
            int B = rect.height / 2;
            double estimated_area = M_PI * A * B;
            double error = fabs(actual_area - estimated_area);    
            if (error > MAX_TOL)
                continue;    
            printf
            (
                 "center x: %d y: %d A: %d B: %d\n",
                 rect.x + A,
                 rect.y + B,
                 A,
                 B
            );

            CvScalar color = CV_RGB( rand() % 255, rand() % 255, rand() % 255 );
            cvDrawContours( dst, contour, color, color, -1, CV_FILLED, 8, cvPoint(0,0));
        }

        cvSaveImage("coins.png", dst, 0);
    }
}

鉴于Carnieri提供的二进制图像,这是输出:

./opencv-contour.out coin-ohtsu.pbm
center x: 291 y: 328 A: 54 B: 42
center x: 286 y: 225 A: 46 B: 32
center x: 471 y: 221 A: 48 B: 33
center x: 140 y: 210 A: 42 B: 28
center x: 419 y: 116 A: 32 B: 19

这是输出图像:

您可以改进的内容:

• 处理不同的椭圆方向(目前,我假设轴是垂直/水平).使用图像时刻这并不难.
• 检查物体凸度(看看cvConvexityDefects)

区分硬币与其他物体的最佳方式可能是形状.我想不出任何其他低级图像功能(颜色明显不合适).所以,我可以想到两种方法:

传统的物体检测

您的第一个任务是将对象(硬币和非硬币)与背景分开.按照Carnieri的建议,Ohtsu的方法在这里会很好用.你似乎担心图像是二分的,但我认为这不会是一个问题.只要有大量桌面可见,您就可以保证直方图中有一个峰值.只要桌面上有几个视觉上可辨别的物体,您就可以保证第二个高峰.

扩展您的二进制图像几次,以消除阈值处理留下的噪音.硬币相对较大,因此他们应该在这种形态运作中存活下来.

使用区域增长将白色像素分组为对象 - 只需迭代连接相邻的前景像素.在此操作结束时,您将拥有一个不相交的对象列表,您将知道每个对象占用哪些像素.

根据此信息,您将知道对象的宽度和高度(从上一步开始).因此,现在您可以估计围绕对象的椭圆的大小,然后查看此特定对象与椭圆的匹配程度.使用宽高比可能更容易.

或者,您可以使用时刻以更精确的方式确定对象的形状.

Answer 2

我不知道你问题的最佳方法是什么.但是,关于阈值处理,您可以使用Otsu的方法,该方法基于图像直方图的分析自动找到最佳阈值.使用OpenCV的阈值方法,参数ThresholdType等于THRESH_OTSU.

但请注意,Otsu的方法仅适用于具有双峰直方图的图像(例如,在深色背景上具有明亮物体的图像).

您可能已经看过这个,但也有一种方法可以围绕一组2D点(例如,连接的组件)拟合椭圆.

编辑:Otsu的方法应用于样本图像:

灰度图像:

应用Otsu方法的结果:

Answer 3

如果其他人像我一样在将来遇到这个问题,但使用C++:

一旦你习惯于findContours找到轮廓(如上面的Misha的回答),你可以轻松地使用fitEllipse例如椭圆

    vector<vector<Point> > contours;

    findContours(img, contours, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0,0));

    RotatedRect rotRecs[contours.size()];

    for (int i = 0; i < contours.size(); i++) {
        rotRecs[i] = fitEllipse(contours[i]);
    }