Python：使用 OpenCV 返回 position 和图像中任意/牙齿形状的大小

Question

我对图像处理和 object 检测非常陌生。 我想在下图中提取/识别 position 和牙齿尺寸：

这是我到目前为止使用 OpenCV 尝试过的内容：

import cv2
import numpy as np

planets = cv2.imread('model.png', 0)
canny = cv2.Canny(planets, 70, 150)
circles = cv2.HoughCircles(canny,cv2.HOUGH_GRADIENT,1,40, param1=10,param2=16,minRadius=10,maxRadius=80)

circles = np.uint16(np.around(circles))

for i in circles[0,:]:
   # draw the outer circle
   cv2.circle(planets,(i[0],i[1]),i[2],(255,0,0),2)

   # draw the center of the circle
   cv2.circle(planets,(i[0],i[1]),2,(255,0,0),3)

cv2.imshow("HoughCirlces", planets)
cv2.waitKey()
cv2.destroyAllWindows()

这是我应用精明过滤器后得到的：

这是最终结果：

我不知道 go 从这里到哪里。 我想把所有的牙齿都鉴定出来。 我怎样才能做到这一点？

我真的很感激任何帮助..

Answer 1

请注意，牙齿结构或多或少是抛物线（倒置）。 如果您能以某种方式猜测定义这些斑点（牙齿）质心的抛物线形状，那么您的问题可以在合理的程度上简化。 我展示了一条穿过牙齿中心的红线。

我建议您按以下方式处理它：

1. 二值化图像（背景=0，否则为 1）。 您可以使用sklearn.preprocessing.binarize 。
2. 计算所有非零像素的质心。 这是图像中的中心蓝色圆圈。 调用这个structure_centroid 。 看到这个： 如何在二维 numpy 数组中居中非零值？ .
3. 制作整个图像的极坐标切片，以structure_centroid的位置为中心。 我已经展示了这种极片的卡通图像（三角形半透明）。 覆盖完整的 360 度。 请参阅： polarTransform库。
4. 确定每个极片的非零像素质心的 position。 见这些：
   • 找到点和曲线 python 之间的距离。
   • 求一点到曲线的最小距离。
5. 包含这些质心的数组为您提供牙齿平均位置的轨迹（路径）。 调用这个centroid_path 。
6. 在您能够检测到的最接近centroid_path的圆圈上运行消除/选择算法。 使用阈值距离删除异常值。

这应该给你一个很好的与圆圈的牙齿近似值。

我希望这有帮助。