当形状未闭合时从二进制图像中检测圆形和椭圆答案

【问题标题】：Detect circles and ellipses from binary image when the shapes are not closed当形状未闭合时从二进制图像中检测圆形和椭圆
【发布时间】：2021-11-18 08:47:49
【问题描述】：

我尝试在 RGB 图像中检测葡萄串（通常具有圆形和椭圆形）中的葡萄浆果。我的数据集的几个例子：

我不关心检测所有浆果，但我确实希望检测到的浆果尽可能准确。检测图像中大约 30%-40% 的浆果就足够了。

到目前为止，我设法达到了这个阶段，您可以更清楚地看到葡萄串和一些浆果的边界

我是通过以下步骤完成的：

将图像转换为灰度
高斯滤波器
canny 算法，使用 THRESH_OTSU 方法
cv2.connectedComponentsWithStats 减少点和细线
形态扩张使线条变粗

我正在寻找一种方法来将图像中的浆果检测为形状，以便以后从中提取指标，例如半径、面积、长度等。我想到了看起来与我非常相似的圆形和椭圆形，但是我当然愿意接受其他想法。

显然也欢迎使用与我使用的不同预处理阶段的解决方案！

我用来生成这个的代码：

import cv2 as cv
import numpy as np


def connected_dots(binary_map):
    # do connected components processing
    nlabels, labels, stats, centroids = cv.connectedComponentsWithStats(binary_map, None, None, None, 8, cv.CV_32S)

    # get CC_STAT_AREA component as stats[label, COLUMN]
    areas = stats[1:, cv.CC_STAT_AREA]
    result = np.zeros((labels.shape), np.uint8)
    for i in range(0, nlabels - 1):
        if areas[i] >= 30:  # keep
            result[labels == i + 1] = 255
    result = cv.dilate(result, kernel=np.ones((2, 2), np.uint8), iterations=1)  # make the lines thicker
    return result


# load the masked image containing only the grape bunch
img_rgb = cv.imread("grape.jpg")
img_rgb = cv.cvtColor(img_rgb, cv.COLOR_BGR2RGB)
grayscale = cv.cvtColor(img_rgb, cv.COLOR_RGB2GRAY)  # convert to grayscale
threshValue = 140
_, binaryImage = cv.threshold(grayscale, threshValue, 255, cv.THRESH_TOZERO_INV)  # remove white areas

kernel_size = 3
gaussian_blurred = cv.GaussianBlur(binaryImage, (kernel_size, kernel_size), 0)
binaryImage = gaussian_blurred
th, bw = cv.threshold(binaryImage, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)  # calc threshold for canny
edges = cv.Canny(binaryImage, th / 2, th)
edges = connected_dots(edges)

编辑 1

@Abhi25t 建议的灰度图像直方图

编辑 2

按照@Micka 的建议使用 cv2.equalizeHist 函数后，我得到了看起来更好的结果（再次，我关心的是准确检测一些葡萄）。仍在寻找检测葡萄浆果的好方法（看起来像椭球体）

【问题讨论】：

在你的位置上，我会看到更好的照片（也有更好的照明）。这些图片分辨率低、模糊、几乎没有对比度
我希望我能做到！不幸的是，这是我必须使用的数据集。
我认为 Hough circles 会找到不完整的圆。然而，这些物体实际上是椭球体。查看[this question]，它有一个使用scikit库的解决方案
将它们转换为灰度并扩展直方图以增加对比度。那么其他算法比如 otsu 会更好地工作
cv2.equalizeHist 函数

标签： python opencv image-processing object-detection edge-detection

【解决方案1】：

我会做的是

使用阈值检测黑色像素（例如，otsu，或者使用大多数图像是黑色的事实，因此黑色像素应该在中值颜色 +- 5% 左右，并且具有大致相同的 r、g 和 b值）
使用 canny-edge 检测边缘，并抑制靠近黑色部分的边缘
对结果应用椭圆霍夫变换，并在距离上有足够的阈值

注意：您可能想要简单地缩小图像的比例，而不是使用扩张来扩大边界，这也将加快计算速度。

【讨论】：