如何使用OpenCV Python准确检测空心圆（环）的位置？

Question

如何使用OpenCV Python准确检测空心圆（环）的位置？

pythonopencvimage-processing

5

我希望能够确定这张（视频截图）中注射器尖端的中心位置。这些尖端名义上是圆形的，大小和数量已知。

我目前正在尝试在尖端上放置红色油墨，使其更容易被检测到。不过如果不加入红色油墨，则检测很难进行。是否有人能接受这个挑战？

我最初尝试了SimpleBlobDetector，因为它有一些不错的过滤功能。但有一件事我无法解决，那就是如何让SimpleBlobDetector检测到空心圆（环）？

然后我尝试使用canny + hough，但圆形检测太不稳定，位置会跳动。

我目前正在使用findContours + minEnclosingCircle，它可以工作，但仍然相当不稳定。掩膜看起来像这样。结果如图。您可以看到准确性还不够好：

我简要地看了一下RANSAC，但我找不到一个可以检测多个圆的Python示例，而且边缘检测也很棘手。

我的当前代码：

# https://dev59.com/HFwY5IYBdhLWcg3wh4Iq
frame_inv = ~frame0
# Convert BGR to HSV
hsv = cv2.cvtColor(frame_inv, cv2.COLOR_BGR2HSV)
blur = cv2.GaussianBlur(hsv, (5, 5), 0)
# define range of color in HSV
lower_red = np.array([90 - 10, 70, 50])
upper_red = np.array([90 + 10, 255, 255])
# Threshold the HSV image to get only red colors
mask = cv2.inRange(hsv, lower_red, upper_red)
# cv2.imshow('Mask', mask)
kernel = np.ones((5, 5), np.uint8)
dilate = cv2.dilate(mask, kernel)
# cv2.imshow('Dilate', dilate)
contours = cv2.findContours(dilate, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]

tipXY = []
for c in contours:
    area = cv2.contourArea(c)
    if area > 200:
        (x, y), r = cv2.minEnclosingCircle(c)
        center = (int(x), int(y))
        r = int(r)
        shift = 2
        factor = 2 ** shift
        cv2.circle(frame0, (int(round((x) * factor)), int(round((y) * factor))),
                       int(round(10 * factor)), (0, 255, 0), 2, shift=shift)
        tipXY.append(center)

有没有建议来提高位置检测的准确性和稳定性？

- Anthony

1

霍夫圆变换很不错。根据您当前的光照设置，可能难以找到那些没有标记为红色的尖端。如果您能从未标记的尖端中获得更多对比度，也许可以使用一些边缘增强/检测技术。 - bfris

1

我的理解是，如果你不确定你的图像是否包含圆形，霍夫圆可能是很好的选择。但是，如果你知道有圆形存在，其他方法可能更容易调整。当然，我发现霍夫圆对参数非常敏感。 - Anthony

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Jeru Luke · Accepted Answer

这里有一种更好的方法，可以使用第二张图像作为输入来分割红色。

思路：

由于红色比较突出，我尝试将其转换为其他已知颜色空间（LAB和YCrCb），并查看它们的各个通道。从YCrCb中的Cr表达了红色更为突出。根据此链接，Cr通道表示红色和亮度之间的差异，使颜色更加突出。

代码：

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

ycc = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)
cr_channel = ycc[:,:,1]

虽然可以看到空心的圆环，但像素强度范围仅限于[109-194]。让我们拉伸一下这个范围：

dst = cv2.normalize(cr_channel, dst=None, alpha=0, beta=255,norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U)

这句话的意思是：“圆圈更加突出。希望这个预处理步骤能够帮到你。”