通过Python从图像中提取椭圆形食物盘

Question

Food Plate

这个想法是提取椭圆形的板。
我尝试了 OpenCV 的 HoughCircles 方法，但它只适用于完美的圆圈。
我还尝试了 skimage 中的 hough_ellipse 方法，但它花费的时间太长，或者我以错误的方式实现它。
是否可以使用 OpenCV 模块检测椭圆形状？

还有哪些其他解决方案？

餐盘：

Answer 1

提取盘子的主要关键是使用cv2.adaptiveThreshold，但是多了几个阶段：

• 转换为灰度并应用具有相对较大高斯的自适应阈值。
• 查找连接的组件（集群）。
  找到最大的集群，并仅使用最大的集群创建新映像。
• 使用“开放”形态学操作去除一些伪影。
• 用白色像素填充板（使用 floodFill）。
• 寻找轮廓，得到面积最大的轮廓。
• 以最大尺寸绘制轮廓以创建蒙版。
  在原始图像上应用蒙版。

按形状查找椭圆的鲁棒性要低得多...

代码如下：

import numpy as np
import cv2
import imutils

img = cv2.imread('food_plate.jpg')

# Convert to Grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Apply adaptive threshold with gaussian size 51x51
thresh_gray = cv2.adaptiveThreshold(gray, 255, adaptiveMethod=cv2.ADAPTIVE_THRESH_GAUSSIAN_C, thresholdType=cv2.THRESH_BINARY, blockSize=51, C=0)

#cv2.imwrite('thresh_gray.png', thresh_gray)

# Find connected components (clusters)
nlabel,labels,stats,centroids = cv2.connectedComponentsWithStats(thresh_gray, connectivity=8)

# Find second largest cluster (the cluster is the background):
max_size = np.max(stats[1:, cv2.CC_STAT_AREA])
max_size_idx = np.where(stats[:, cv2.CC_STAT_AREA] == max_size)[0][0]

mask = np.zeros_like(thresh_gray)

# Draw the cluster on mask
mask[labels == max_size_idx] = 255

# Use "open" morphological operation for removing some artifacts
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5)))

#cv2.imwrite('mask.png', mask)

# Fill the plate with white pixels
cv2.floodFill(mask, None, tuple(centroids[max_size_idx].astype(int)), newVal=255, loDiff=1, upDiff=1)

#cv2.imwrite('mask.png', mask)

# Find contours, and get the contour with maximum area
cnts = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
cnts = imutils.grab_contours(cnts)

c = max(cnts, key=cv2.contourArea)

# Draw contours with maximum size on new mask
mask2 = np.zeros_like(mask)
cv2.drawContours(mask2, [c], -1, 255, -1)

#cv2.imwrite('mask2.png', mask2)

img[(mask2==0)] = 0

# Save result
cv2.imwrite('img.jpg', img)

结果：