使用 OpenCV 查找重叠/复杂的圆

Question

我想计算红色圆圈的半径（图 2）。我很难使用来自 OpenCV 的 HoughCircles 找到这些圆圈。如图所示。 2 我只能找到中心的小圆圈，使用 HoughCircles 显示为黑色。

原创图2。

由于我知道红色圆圈的中心（与红色圆圈相同），有没有办法简单地计算红色圆圈的半径？

是否也有可能在更复杂的图像上使用一种通用的方法来计算圆的半径，例如这个：

编辑：获得图 2 后我的代码中有趣的部分：

threshold(maskedImage, maskedImage, thresh, 255, THRESH_BINARY_INV | THRESH_OTSU);
    std::vector<Vec3f> circles;
// Canny(maskedImage, maskedImage, thresh, thresh * 2, 3);

HoughCircles(maskedImage, circles, CV_HOUGH_GRADIENT, 1, src_gray.rows / 4, cannyThreshold, accumulatorThreshold, 0, 0);

Mat display = src_display.clone();
for (size_t i = 0; i < circles.size(); i++)
{
    Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
    int radius = cvRound(circles[i][2]);
    // circle center
    circle(display, center, 3, Scalar(0, 255, 0), -1, 8, 0);
    // circle outline
    circle(display, center, radius, Scalar(0, 0, 255), 3, 8, 0);
}

我尝试使用 cannyThreshold 和 accumulator 玩游戏，但没有结果。真实图像大 5 倍。这里a link 例如阈值后的 1。

谢谢

Answer 1

你已经知道图像中的小圆圈（你用黑色画的）。

• 使用这些圆圈准备蒙版图像，这样具有较小圆圈的区域将具有非零像素。我们称之为面具：

• 在原始图像中，用深色（比如黑色）填充这些圆形区域。这将产生如图 2 所示的图像。我们将其称为 filled
• 对填充图像设置阈值以获得暗区。我们称之为二进制。您可以为此使用 Otsu 阈值。结果将如下所示：

• 对此二进制图像进行距离变换。为此使用准确的距离估计方法。我们称之为 dist。它看起来像这样。彩色的只是为了更清晰的热图：

• 使用 ma​​sk 从 dist 获取峰值区域。每个此类区域的最大值应该为您提供较大圆的半径。您还可以对这些区域进行一些处理，以获得更合理的半径值，而不仅仅是获取最大值。
• 要选择区域，您可以找到 ma​​sk 的轮廓，然后从 dist 图像中提取该区域，或者，因为您已经知道应用 hough-circle 变换，从每个圆圈中准备一个掩码，并从 dist 图像中提取该区域。我不确定您是否可以通过提供掩码来计算最大值或其他统计数据。 Max 肯定会起作用，因为其余像素为 0。如果将这些像素提取到另一个数组中，您也许可以计算该区域的统计数据。

下图显示了这样的掩码和从 dist 中提取的区域。为此，我得到一个大约 29 的最大值，这与该圆的半径一致。请注意，图片未按比例缩放。

圆的掩码，从 dist

中提取的区域

这是代码（我没有使用霍夫圆变换）：

    Mat im = imread(INPUT_FOLDER_PATH + string("ex1.jpg"));

    Mat gray;
    cvtColor(im, gray, CV_BGR2GRAY);

    Mat bw;
    threshold(gray, bw, 0, 255, CV_THRESH_BINARY|CV_THRESH_OTSU);
    // filtering smaller circles: not using hough-circles transform here. 
    // you can replace this part with you hough-circles code.
    vector<int> circles;
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(bw, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
    for(int idx = 0; idx >= 0; idx = hierarchy[idx][0])
    {
        Rect rect = boundingRect(contours[idx]);
        if (abs(1.0 - ((double)rect.width/rect.height) < .1))
        {
            Mat mask = Mat::zeros(im.rows, im.cols, CV_8U);
            drawContours(mask, contours, idx, Scalar(255, 255, 255), -1);
            double area = sum(mask).val[0]/255;
            double rad = (rect.width + rect.height)/4.0;
            double circArea = CV_PI*rad*rad;
            double dif = abs(1.0 - area/circArea);
            if (dif < .5 && rad < 50 && rad > 30)   // restrict the radius
            {
                circles.push_back(idx); // store smaller circle contours
                drawContours(gray, contours, idx, Scalar(0, 0, 0), -1); // fill circles
            }
        }
    }

    threshold(gray, bw, 0, 255, CV_THRESH_BINARY_INV|CV_THRESH_OTSU);

    Mat dist, distColor, color;
    distanceTransform(bw, dist, CV_DIST_L2, 5);
    double max;
    Point maxLoc;
    minMaxLoc(dist, NULL, &max);
    dist.convertTo(distColor, CV_8U, 255.0/max);
    applyColorMap(distColor, color, COLORMAP_JET);
    imshow("", color);
    waitKey();

    // extract dist region corresponding to each smaller circle and find max
    for(int idx = 0; idx < (int)circles.size(); idx++)
    {
        Mat masked;
        Mat mask = Mat::zeros(im.rows, im.cols, CV_8U);
        drawContours(mask, contours, circles[idx], Scalar(255, 255, 255), -1);
        dist.copyTo(masked, mask);
        minMaxLoc(masked, NULL, &max, NULL, &maxLoc);
        circle(im, maxLoc, 4, Scalar(0, 255, 0), -1);
        circle(im, maxLoc, (int)max, Scalar(0, 0, 255), 2);
        cout << "rad: " << max << endl;
    }
    imshow("", im);
    waitKey();

结果（缩放）：

希望这会有所帮助。