Python：使用 OpenCV 返回图像中任意/牙齿形状的位置和大小

Question

我对图像处理和对象检测非常陌生。我想提取/识别下图中牙齿的位置和尺寸：

这是我迄今为止使用 OpenCV 尝试过的：

import cv2
import numpy as np

planets = cv2.imread('model.png', 0)
canny = cv2.Canny(planets, 70, 150)
circles = cv2.HoughCircles(canny,cv2.HOUGH_GRADIENT,1,40, param1=10,param2=16,minRadius=10,maxRadius=80)

circles = np.uint16(np.around(circles))

for i in circles[0,:]:
   # draw the outer circle
   cv2.circle(planets,(i[0],i[1]),i[2],(255,0,0),2)

   # draw the center of the circle
   cv2.circle(planets,(i[0],i[1]),2,(255,0,0),3)

cv2.imshow("HoughCirlces", planets)
cv2.waitKey()
cv2.destroyAllWindows()

这是我应用精明过滤器后得到的：

这是最终结果：

我不知道从这里去哪里。我想把所有的牙齿都鉴定出来。我该怎么做？

非常感谢任何帮助..

Answer 1

请注意，牙齿结构或多或少是抛物线（倒置）。如果您能以某种方式猜测定义这些斑点（牙齿）质心的抛物线形状，那么您的问题可以在合理的程度上简化。我展示了一条穿过牙齿中心的红线。

我建议您按以下方式处理它：

1. 二值化您的图像（背景=0，否则为 1）。你可以使用sklearn.preprocessing.binarize。
2. 计算所有非零像素的质心。这是图像中的中心蓝色圆圈。打电话给structure_centroid。看到这个：How to center the nonzero values within 2D numpy array?。
3. 制作整个图像的极坐标切片，以structure_centroid 的位置为中心。我已经展示了这种极片的卡通图像（三角形半透明）。覆盖完整的 360 度。看到这个：polarTransform library。
4. 确定每个极坐标切片的非零像素的质心位置。见这些：
   • find the distance between a point and a curve python。
   • Find the minimum distance from a point to a curve。
5. 包含这些质心的阵列为您提供牙齿平均位置的轨迹（路径）。打电话给centroid_path。
6. 对您能够检测到的最接近centroid_path 的圆圈运行消除/选择算法。使用阈值距离删除异常值。

这应该可以让您很好地近似牙齿与圆圈。

我希望这会有所帮助。