检测图像上的硬币（和拟合椭圆）

Question

我目前正在从事一个项目，我试图检测一些放在平坦表面（即桌子）上的硬币。硬币不会重叠，也不会被其他物体隐藏。但是可能还有其他可见的物体，并且照明条件可能并不完美......基本上，考虑一下自己拍摄你的桌子上有一些硬币。

所以每个点都应该像椭圆一样可见。由于我不知道相机的位置，椭圆的形状可能会有所不同，从圆形（从顶部看）到扁平椭圆，具体取决于拍摄硬币的角度。

我的问题是我不确定如何提取硬币并最终在它们上拟合椭圆（我正在寻找进行进一步计算）。

目前，我刚刚通过在 OpenCV 中设置阈值进行了第一次尝试，使用 findContours() 获取轮廓线并拟合椭圆。不幸的是，轮廓线很少给我硬币的形状（反射，光线不好，......），而且这种方式也不是首选，因为我不希望用户设置任何阈值。

另一个想法是在该图像上使用椭圆的模板匹配方法，但由于我不知道相机的角度或椭圆的大小，我认为这不会很好......

所以我想问是否有人可以告诉我一种适用于我的情况的方法。

有没有一种快速的方法可以从图像中提取三枚硬币？计算应在移动设备上实时进行，该方法不应对不同或变化的灯光或背景颜色过于敏感。

如果有人能给我关于哪种方法适合我的任何提示，那就太好了。

Answer 1

我不知道解决您的问题的最佳方法是什么。但是，具体而言，关于阈值化，您可以使用 Otsu 方法，该方法会根据图像直方图的分析自动找到最佳阈值。使用OpenCV的threshold方法，参数ThresholdType等于THRESH_OTSU。

但请注意，Otsu 的方法仅适用于具有双峰直方图的图像（例如，在深色背景上具有明亮物体的图像）。

您可能已经看过这个，但还有一种方法可以让fitting an ellipse 围绕一组 2D 点（例如，连接的组件）。

编辑：Otsu 的方法应用于示例图像：

灰度图像：

应用大津方法的结果：

Answer 2

这是一些实现传统方法的 C99 源代码（基于 OpenCV doco）：

#include "cv.h"
#include "highgui.h"

#include <stdio.h>

#ifndef M_PI
#define M_PI 3.14159265358979323846
#endif

//
// We need this to be high enough to get rid of things that are too small too
// have a definite shape.  Otherwise, they will end up as ellipse false positives.
//
#define MIN_AREA 100.00    
//
// One way to tell if an object is an ellipse is to look at the relationship
// of its area to its dimensions.  If its actual occupied area can be estimated
// using the well-known area formula Area = PI*A*B, then it has a good chance of
// being an ellipse.
//
// This value is the maximum permissible error between actual and estimated area.
//
#define MAX_TOL  100.00

int main( int argc, char** argv )
{
    IplImage* src;
    // the first command line parameter must be file name of binary (black-n-white) image
    if( argc == 2 && (src=cvLoadImage(argv[1], 0))!= 0)
    {
        IplImage* dst  = cvCreateImage( cvGetSize(src), 8, 3 );
        CvMemStorage* storage = cvCreateMemStorage(0);
        CvSeq* contour = 0;    
        cvThreshold( src, src, 1, 255, CV_THRESH_BINARY );
        //
        // Invert the image such that white is foreground, black is background.
        // Dilate to get rid of noise.
        //
        cvXorS(src, cvScalar(255, 0, 0, 0), src, NULL);
        cvDilate(src, src, NULL, 2);    
        cvFindContours( src, storage, &contour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0));
        cvZero( dst );

        for( ; contour != 0; contour = contour->h_next )
        {
            double actual_area = fabs(cvContourArea(contour, CV_WHOLE_SEQ, 0));
            if (actual_area < MIN_AREA)
                continue;

            //
            // FIXME:
            // Assuming the axes of the ellipse are vertical/perpendicular.
            //
            CvRect rect = ((CvContour *)contour)->rect;
            int A = rect.width / 2; 
            int B = rect.height / 2;
            double estimated_area = M_PI * A * B;
            double error = fabs(actual_area - estimated_area);    
            if (error > MAX_TOL)
                continue;    
            printf
            (
                 "center x: %d y: %d A: %d B: %d\n",
                 rect.x + A,
                 rect.y + B,
                 A,
                 B
            );

            CvScalar color = CV_RGB( rand() % 255, rand() % 255, rand() % 255 );
            cvDrawContours( dst, contour, color, color, -1, CV_FILLED, 8, cvPoint(0,0));
        }

        cvSaveImage("coins.png", dst, 0);
    }
}

鉴于 Carnieri 提供的二进制图像，这是输出：

./opencv-contour.out coin-ohtsu.pbm
center x: 291 y: 328 A: 54 B: 42
center x: 286 y: 225 A: 46 B: 32
center x: 471 y: 221 A: 48 B: 33
center x: 140 y: 210 A: 42 B: 28
center x: 419 y: 116 A: 32 B: 19

这是输出图像：

你可以改进的地方：

• 处理不同的椭圆方向（目前，我假设轴是垂直/水平的）。使用图像时刻并不难做到这一点。
• 检查对象凸度（查看cvConvexityDefects）

区分硬币和其他物体的最佳方法可能是通过形状。我想不出任何其他低级图像特征（颜色显然已经出来了）。所以，我可以想到两种方法：

传统物体检测

您的首要任务是将物体（硬币和非硬币）从背景中分离出来。正如 Carnieri 所建议的，Ohtsu 的方法在这里很有效。您似乎担心图像是 bipartite，但我认为这不会成为问题。只要有大量可见的桌子，就可以保证在直方图中有一个峰值。只要桌子上有几个视觉上可区分的物体，就可以保证您的第二个高峰。

Dilate 你的二值图像几次，以消除阈值留下的噪声。硬币相对较大，因此它们应该能够在这种形态操作中幸存下来。

使用区域增长将白色像素分组为对象 - 只需迭代连接相邻的前景像素。在此操作结束时，您将获得一个不相交对象的列表，并且您将知道每个对象占用了哪些像素。

从这些信息中，您将知道对象的宽度和高度（来自上一步）。因此，现在您可以估计围绕对象的椭圆的大小，然后查看该特定对象与椭圆的匹配程度。仅使用宽高比可能更容易。

或者，您可以使用moments 以更精确的方式确定对象的形状。

Answer 3

如果将来有人像我一样遇到这个问题，但使用 C++：

使用findContours 找到轮廓后（如上面Misha 的回答），您可以使用fitEllipse 轻松拟合椭圆，例如

    vector<vector<Point> > contours;

    findContours(img, contours, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0,0));

    RotatedRect rotRecs[contours.size()];

    for (int i = 0; i < contours.size(); i++) {
        rotRecs[i] = fitEllipse(contours[i]);
    }