【问题标题】:Connecting the missing pixels连接缺失的像素
【发布时间】:2019-10-19 21:59:11
【问题描述】:

我正在尝试在圆圈部分填充缺失的像素(如图所示),以制作完整和干净的圆圈。我已经尝试过图像增强技术,它们并没有太大帮助。请建议我如何在 Matlab 中执行或提供一些代码来执行此操作。提前致谢。

【问题讨论】:

标签: python-3.x matlab image-processing image-segmentation edge-detection


【解决方案1】:

由于您的标签表明您也对 Python 解决方案持开放态度,因此我提出了使用 OpenCV 的以下方法,特别是 cv2.HoughCircles 方法,遵循 this tutorial。

代码如下:

import cv2
import numpy as np

# Read input image
img = cv2.imread('images/xbHB0.jpg', cv2.IMREAD_GRAYSCALE)

# Blur input image to prevent too much false-positive detected circles
img = cv2.GaussianBlur(img, (3, 3), 0)

# Initialize outputs
clean = np.zeros(img.shape, np.uint8)
compare = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

# Detect circles using Hough transform; convert center points and radii to int
circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=25, minRadius=10, maxRadius=0)
circles = np.uint16(np.around(circles))

# Draw detected circle to outputs
for i in circles[0, :]:
    cv2.circle(clean, (i[0], i[1]), i[2], 255, 1)
    cv2.circle(compare, (i[0], i[1]), i[2], (0, 255, 0), 1)
    cv2.circle(compare, (i[0], i[1]), 2, (0, 0, 255), 1)

cv2.imshow('Input', img)
cv2.imshow('Comparison', compare)
cv2.imshow('Clean output', clean)
cv2.waitKey(0)
cv2.destroyAllWindows()

“干净”的圆圈如下所示:

并且,为了比较,原始图像上的叠加层:

如您所见,在此特定图像上使用此方法不会获得完美的结果。参数调整可能会改善结果。

希望有帮助!

【讨论】:

  • 是否可以使用 for 循环来检测具有相应图像的所有像一、二和三个圆圈?就像我在这里展示的四个?
  • @Rajesh 老实说,我真的不明白你想要实现什么。当然,您可以为每个圆圈创建单独的图像。只需初始化一个包含四个黑色图像的数组,并在现有的 for 循环中,在第 i 个图像中绘制第 i 个圆圈。
  • 谢谢@HansHirse 的回复!实际的问题是检测圆圈并增强它们的边界。现在,在问题中,我给了您一张包含 4 个圆圈的图像,您使用带有一些参数的 Hough 变换进行了检测。实际上,我的图像包含一个圆圈、两个圆圈和三个圆圈。我想使用单个 for 循环来检测它们。我已经尝试过,但圆圈没有检测到,因为每个图像都需要更改霍夫参数。像这样,我有很多图像要做,所以我不能为每张图像手动设置参数。请问有什么解决办法吗?
  • @Rajesh 你一开始只提供了一张图片。在这种情况下,您总是会得到有限的解决方案。如果这种方法在您的其他图像上表现不佳,那很可能是因为它们与提供的图像有很大不同 - 不仅仅是在圆圈数量方面!所以,提供更多的图片,给人一种可能性“范围”的印象,你最终会得到一个更通用的解决方案。
  • @M.D.P 我的建议是专门针对圈子的,因此使用HoughCircles 的方法。对于不规则形状,您可以尝试形态学操作,但这在很大程度上取决于您的实际输入。欢迎随时ask a question!
【解决方案2】:

如果您的问题是特定于圆圈的,您可以使用 Hough Circles 算法在图像中找到圆圈,然后简单地绘制它们。我不知道它是如何在matlab中完成的。在python中你可以使用opencv HoughCircles

如果您正在寻找更通用的解决方案,morphological operators(例如扩张、侵蚀、打开、关闭)可能会感兴趣。

【讨论】:

    猜你喜欢
    • 2019-05-20
    • 2023-02-11
    • 1970-01-01
    • 2016-01-17
    • 1970-01-01
    • 2015-09-08
    • 1970-01-01
    • 2019-02-02
    • 1970-01-01
    相关资源
    最近更新 更多