难以检测到图像中的椭圆

Question

我正在尝试检测某些图像中的椭圆。 经过一些功能后，我得到了这个边缘图：

我尝试使用霍夫变换来检测椭圆，但是这种变换的复杂性非常高，所以我的计算机即使在 5 小时后也没有完成运行变换命令（！）。

我也试过做连接组件，得到了这个：

在最后一种情况下，我还尝试继续并二值化图像。

在所有情况下，我都被困在这些步骤中，不知道如何从这里继续。

我的任务是检测图像中的西红柿。我通过尝试检测圆和椭圆并找到每个圆和椭圆的半径（或椭圆情况下的平均半径）来解决这个问题。

编辑：

我为第一种方法添加了我的代码（结果是上面的边缘图）：

img = cv2.imread(r'../images/assorted_tomatoes.jpg')

gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

imgAfterLight=lightreduce(img)
imgAfterGamma=gamma_correctiom(imgAfterLight,0.8)

th2 = 255 - cv2.adaptiveThreshold(imgAfterGamma,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3)
median2 = cv2.medianBlur(th2,3)

其中 median2 是上面在边缘图中显示的结果

以及连接组件的代码：

import scipy
from scipy import ndimage
import matplotlib.pyplot as plt
import cv2
import numpy as np

fname=r'../images/assorted_tomatoes.jpg'
blur_radius = 1.0
threshold = 50

img = scipy.misc.imread(fname) # gray-scale image
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
print(img.shape)

# smooth the image (to remove small objects)
imgf = ndimage.gaussian_filter(gray_img, blur_radius)
threshold = 80

# find connected components
labeled, nr_objects = ndimage.label(imgf > threshold) 

上面标记的结果

另一个编辑：

这是输入图像：

Input

问题是边缘检测后，子区域中有很多不必要的边缘，干扰了边缘映射的平滑

Answer 1

在我看来，这似乎是分水岭算法的经典问题。它旨在分割出像西红柿这样的触摸物体。我的示例是在 Matlab 中（我今天在错误的计算机上），但它应该很容易转换为 python。首先像你一样转换成灰度然后反转图像

 I=rgb2gray(img)
 I2=imcomplement(I)

图像会过分分割，因此我们删除了太浅的最小值。这可以通过 h-minima 变换来完成

I3=imhmin(I2,50);

您可能需要使用 50 值，这是抑制浅最小值的高度阈值。现在运行分水岭算法，我们得到以下结果。

L=watershed(I3);

结果并不完美。它需要额外的逻辑来删除一些小区域，但它会给出一个合理的估计。分水岭和 h 最小值包含在 python 的 skimage.morphology 包中。