Python和OpenCV。 如何檢測圖像中的所有（已填充）圓/圓形對象？

Question

我正在嘗試制作一個打開圖像的程序，掃描它的圓形/圓形並返回坐標，以便我可以使用cv.Circle函數在檢測到的圓上繪制圓圈。

我的問題是：如何使用cv.HoughCircles()圖像中檢測到的圓的坐標/半徑？

使用這個頁面，我發現了如何檢測圓圈（這花了我很多時間才發現，因為我不理解像閾值這樣的術語，而Python的OpenCV文檔真的很差，幾乎沒有）。 不幸的是，在該頁面上它沒有顯示如何提取從創建的CvMat檢測到的每個圓的信息。 如何提取該信息/是否有其他方式（例如，使用MemoryStorage() ）？

到目前為止這是我的代碼：

import cv, opencv

def main():


    im = cv.LoadImageM("Proba.jpg")

    gray = cv.CreateImage(cv.GetSize(im), 8, 1)
    edges = cv.CreateImage(cv.GetSize(im), 8, 1)

    cv.CvtColor(im, gray, cv.CV_BGR2GRAY)
    cv.Canny(gray, edges, 50, 200, 3)
    cv.Smooth(gray, gray, cv.CV_GAUSSIAN, 9, 9)

    storage = cv.CreateMat(im.rows, 1, cv.CV_32FC3)

    cv.HoughCircles(edges, storage, cv.CV_HOUGH_GRADIENT, 2, gray.height/4, 200, 100)
    # Now, supposing it found circles, how do I extract the information?
    print storage.r



if __name__ == '__main__':
    main()

另外， HoughCircles的最后兩個參數需要具有什么值才能檢測出真正的小圓圈（如屏幕上的3mm）？

謝謝大家的時間和精力來幫助我！

我正在使用的圖像是這樣的：

Answer 1

最后兩個參數是什么似乎要傳遞給cv.Canny()這意味着cv.Canny()是從內部被稱為cv.HoughCircles() 我不太確定。

至於尺寸，似乎接下來的兩個參數（在200, 100)之后200, 100)默認為0 ，這可能意味着檢測到所有尺寸。

從C ++示例的源代碼中，我還可以猜測您不需要進行Canny邊緣檢測：

#include <cv.h>
#include <highgui.h>
#include <math.h>

using namespace cv;

int main(int argc, char** argv)
{
    Mat img, gray;
    if( argc != 2 && !(img=imread(argv[1], 1)).data)
        return -1;
    cvtColor(img, gray, CV_BGR2GRAY);
    // smooth it, otherwise a lot of false circles may be detected
    GaussianBlur( gray, gray, Size(9, 9), 2, 2 );
    vector<Vec3f> circles;
    HoughCircles(gray, circles, CV_HOUGH_GRADIENT,
                 2, gray->rows/4, 200, 100 );
    for( size_t i = 0; i < circles.size(); i++ )
    {
         Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
         int radius = cvRound(circles[i][2]);
         // draw the circle center
         circle( img, center, 3, Scalar(0,255,0), -1, 8, 0 );
         // draw the circle outline
         circle( img, center, radius, Scalar(0,0,255), 3, 8, 0 );
    }
    namedWindow( "circles", 1 );
    imshow( "circles", img );
    return 0;
}

你想把這個C ++代碼轉換成Python嗎？

for( size_t i = 0; i < circles.size(); i++ )
{
     Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
     int radius = cvRound(circles[i][2]);
     // draw the circle center
     circle( img, center, 3, Scalar(0,255,0), -1, 8, 0 );
     // draw the circle outline
     circle( img, center, radius, Scalar(0,0,255), 3, 8, 0 );
}

據我所知， CvMat對象是可迭代的，就像一個列表：

for circle in storage:
  radius = circle[2]
  center = (circle[0], circle[1])

  cv.Circle(im, center, radius, (0, 0, 255), 3, 8, 0)

我沒有任何測試圖像，所以不要說我的話這是有效的。 您的完整代碼可能是：

import cv

def main():
  im = cv.LoadImage('Proba.jpg')
  gray = cv.CreateImage(cv.GetSize(im), 8, 1)
  edges = cv.CreateImage(cv.GetSize(im), 8, 1)

  cv.CvtColor(im, gray, cv.CV_BGR2GRAY)
  #cv.Canny(gray, edges, 20, 55, 3)

  storage = cv.CreateMat(im.width, 1, cv.CV_32FC3)
  cv.HoughCircles(edges, storage, cv.CV_HOUGH_GRADIENT, 5, 25, 200, 10)

  for i in xrange(storage.width - 1):
    radius = storage[i, 2]
    center = (storage[i, 0], storage[i, 1])

    print (radius, center)

    cv.Circle(im, center, radius, (0, 0, 255), 3, 8, 0)

  cv.NamedWindow('Circles')
  cv.ShowImage('Circles', im)
  cv.WaitKey(0)

if __name__ == '__main__':
  main()

Answer 2

看看我對這個問題的答案是否有一些有用的源代碼（它是C但是我使用的是C ++編譯器，因為它更寬松）。

首先，我裁剪你的圖像（為了方便使用）並對你的圖像應用一個閾值，將前景與背景分開：

然后我直接將源代碼應用於閾值圖像。 這是文本輸出：

center x: 330 y: 507 A: 13 B: 4
center x: 78 y: 507 A: 22 B: 4
center x: 270 y: 503 A: 8 B: 8
center x: 222 y: 493 A: 21 B: 17
center x: 140 y: 484 A: 17 B: 18
center x: 394 y: 478 A: 17 B: 15
center x: 311 y: 468 A: 8 B: 8
center x: 107 y: 472 A: 12 B: 12
center x: 7 y: 472 A: 6 B: 19
center x: 337 y: 442 A: 10 B: 9
center x: 98 y: 432 A: 10 B: 10
center x: 357 y: 421 A: 7 B: 7
center x: 488 y: 429 A: 22 B: 23
center x: 411 y: 400 A: 13 B: 12
center x: 42 y: 400 A: 11 B: 12
center x: 365 y: 391 A: 14 B: 13
center x: 141 y: 396 A: 19 B: 19
center x: 9 y: 379 A: 8 B: 18
center x: 192 y: 365 A: 10 B: 9
center x: 347 y: 340 A: 20 B: 20
center x: 8 y: 305 A: 7 B: 13
center x: 95 y: 308 A: 23 B: 24
center x: 318 y: 297 A: 15 B: 15
center x: 159 y: 285 A: 10 B: 10
center x: 412 y: 291 A: 26 B: 27
center x: 504 y: 278 A: 6 B: 16
center x: 233 y: 277 A: 20 B: 20
center x: 459 y: 256 A: 15 B: 15
center x: 7 y: 239 A: 6 B: 9
center x: 377 y: 239 A: 14 B: 14
center x: 197 y: 228 A: 12 B: 12
center x: 302 y: 237 A: 12 B: 22
center x: 98 y: 224 A: 24 B: 23
center x: 265 y: 203 A: 18 B: 18
center x: 359 y: 202 A: 22 B: 22
center x: 149 y: 201 A: 20 B: 21
center x: 219 y: 169 A: 7 B: 9
center x: 458 y: 172 A: 20 B: 20
center x: 497 y: 157 A: 13 B: 21
center x: 151 y: 125 A: 18 B: 17
center x: 39 y: 109 A: 9 B: 10
center x: 81 y: 116 A: 20 B: 19
center x: 249 y: 104 A: 14 B: 13
center x: 429 y: 76 A: 23 B: 24
center x: 493 y: 33 A: 11 B: 10
center x: 334 y: 26 A: 12 B: 14

這是輸出圖像：

主要問題是沒有檢測到合並在一起的圓圈。 該代碼最初是為檢測填充省略號而編寫的，因此您可以通過調整代碼來處理此問題。

Answer 3

python中的類似解決方案。 最初我試圖運行這里描述的輪廓檢測，但它不能很好地工作。 所以首先需要一些閾值處理。 閾值代碼在這里：

    fimg = misc.imread("boubles.jpg")
    gimg = color.colorconv.rgb2grey(fimg)
    vimg = []
    for l in gimg:
        l2 = sign(l - 0.50) / 2 + 0.5
        vimg.append(l2)

    img = array(vimg)
    imshow(img)

有了這個我得到這樣的圖像：

在上面鏈接中描述的邊緣檢測后，我得到了這個：

如果檢查代碼，您會發現計算對象非常容易。 唯一的問題是，一些氣泡被計算兩次。 我猜測閾值函數也可以改進。 但我建議使用skimage，它易於使用，並且在他們的網頁上有很好的樣本。