OpenCV 使用形态学运算计算重叠圆

Question

这是我试图从中获取圆圈的图像。

我使用灰度图像的差异和侵蚀来获得边界。

img_path= 'input_data/coins.jpg'
img = cv2.imread(img_path)
rgb,gray=getColorSpaces(img)
a,b=0,255
plt.figure(figsize=(12, 12))

erosion_se=cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
erosion = cv2.erode(gray,erosion_se,iterations = 1)
boundary=gray-erosion
image, contours, hierarchy = cv2.findContours(boundary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)    
plt.imshow(boundary,'gray')

我可以得到大多数边界相对清晰的圆圈。我想做两件事

• 获取重叠圆圈的数量。

• 找到接触图像边界的圆圈。我可以通过将圆的半径与图像边界进行比较来确定。问题是 2 个特定斑点未检测为圆圈。

    circles = cv2.HoughCircles(boundary, cv2.HOUGH_GRADIENT, 1, 20,
                  param1=30,
                  param2=15,
                  minRadius=5,
                  maxRadius=20)

    if circles is not None: 
        circles = np.uint16(np.around(circles))
        for i in circles[0,:]:
            cv2.circle(img,(i[0],i[2]),i[3],(0,255,0),2)
            cv2.circle(img,(i[0],i[2]),2,(0,0,255),3)

        cv2.imshow('circles', img)

        k = cv2.waitKey(0)
        if k == 27:
            cv2.destroyAllWindows()

下面是圆圈边界图像的 HoughCircles 后的输出。突出的大绿色圆圈是不需要的。我不确定为什么对于某些重叠区域，未检测到圆圈。

Answer 1

HoughCircles 要求圆是“完美”的圆并且在连接的斑点上不准确，而不是使用 HoughCircles，而是应该使用简单的轮廓过滤方法。主要思想如下：

计算重叠圆圈的数量

• 近似单个圆的轮廓面积为~375
• 查找轮廓、迭代轮廓并使用轮廓区域进行过滤
• 重叠圆的总和

为了找到接触图像边界的圆圈，我们将检测区域限制为图像上的外部 10 个像素。我们在这个新图像上找到轮廓，然后使用轮廓区域进行过滤以确定接触的圆圈

计算重叠圆圈的数量

在转换为灰度和阈值处理以获得二值图像后，我们将单个斑点/圆形的轮廓面积近似为~375。接下来我们找到图像上的轮廓并使用 进行过滤cv2.contourArea()。为了确定是否存在重叠，我们将每个轮廓的面积除以单个圆的面积，然后使用 找到上限math.ceil()。如果我们得到的上限值大于 1，则意味着 blob 已连接，我们只需将上限值添加到计数器中即可

这是检测到的重叠圆圈

重叠：213

查找接触图像边界的圆圈

这个想法是创建一个黑盒来掩盖图像不在边界上的内部部分。我们可以用 来做到这一点cv2.fillPoly()。从这里我们找到轮廓并使用轮廓区域进行过滤。这个想法是，如果斑点与某个阈值区域相比相对较大，则意味着斑点最有可能接触边缘

这是填充的黑框和检测到的触摸圆圈

触摸：10

import cv2
import numpy as np
import math

image = cv2.imread('1.jpg')
black_box = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

# Count overlapping circles
single_area = 375
overlapping = 0

cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    area = cv2.contourArea(c)
    blob_area = math.ceil(area/single_area)
    if blob_area > 1:
        overlapping += blob_area
        cv2.drawContours(image, [c], -1, (36,255,12), 2)

# Find circles touching image boundary
h, w, _ = image.shape
boundary = 10
touching = 0
box = np.array(([boundary,boundary], 
                      [w-boundary,boundary], 
                      [w-boundary, h-boundary], 
                      [boundary, h-boundary]))
cv2.fillPoly(black_box, [box], [0,0,0])

copy = black_box.copy()
copy = cv2.cvtColor(copy, cv2.COLOR_BGR2GRAY)
copy = cv2.threshold(copy, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

cnts = cv2.findContours(copy, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    area = cv2.contourArea(c)
    if area > 100:
        touching += 1
        cv2.drawContours(black_box, [c], -1, (36,255,12), 2)

print('Overlapping:', overlapping)
print('Touching:', touching)
cv2.imshow('image', image)
cv2.imshow('black_box', black_box)
cv2.waitKey()