我目前正在一个项目中尝试检测放在平面上（比如桌子上）的几个硬币。硬币不会重叠或被其他物体覆盖，但是可能会有其他可见物体并且光照条件可能不完美...基本上，可以把它想象成拍摄桌子上有硬币的情况。
因此每个硬币应该作为一个椭圆形可见。由于我不知道相机的位置，椭圆形的形状可能会因拍摄角度而异，从圆形（俯视图）到扁平椭圆形。
我的问题是我不确定如何提取硬币，并最终拟合椭圆形（我需要进行进一步计算）。
目前，我仅尝试了在OpenCV中设置阈值值，使用findContours()获取轮廓线并拟合椭圆形的第一次尝试。不幸的是，轮廓线很少给我硬币的形状（反射，糟糕的光照等），而且这种方法也不理想，因为我不希望用户设置任何阈值。
另一个想法是在图像上使用椭圆形的模板匹配方法，但是由于我不知道相机的角度和椭圆形的大小，我认为这种方法可能效果不佳...
因此，我想请问是否有人能告诉我在我的情况下会起作用的方法。
是否有一种快速从图像中提取三个硬币的方法？计算应该实时进行在移动设备上，并且该方法不应该对不同或变化的光照或背景颜色过于敏感。
如果有人能给我任何关于哪种方法适合我的提示就太好了。
这里是一些实现传统方法的C99源代码（基于OpenCV doco）：
#include "cv.h"
#include "highgui.h"
#include <stdio.h>
#ifndef M_PI
#define M_PI 3.14159265358979323846
#endif
//
// We need this to be high enough to get rid of things that are too small too
// have a definite shape. Otherwise, they will end up as ellipse false positives.
//
#define MIN_AREA 100.00
//
// One way to tell if an object is an ellipse is to look at the relationship
// of its area to its dimensions. If its actual occupied area can be estimated
// using the well-known area formula Area = PI*A*B, then it has a good chance of
// being an ellipse.
//
// This value is the maximum permissible error between actual and estimated area.
//
#define MAX_TOL 100.00
int main( int argc, char** argv )
{
IplImage* src;
// the first command line parameter must be file name of binary (black-n-white) image
if( argc == 2 && (src=cvLoadImage(argv[1], 0))!= 0)
{
IplImage* dst = cvCreateImage( cvGetSize(src), 8, 3 );
CvMemStorage* storage = cvCreateMemStorage(0);
CvSeq* contour = 0;
cvThreshold( src, src, 1, 255, CV_THRESH_BINARY );
//
// Invert the image such that white is foreground, black is background.
// Dilate to get rid of noise.
//
cvXorS(src, cvScalar(255, 0, 0, 0), src, NULL);
cvDilate(src, src, NULL, 2);
cvFindContours( src, storage, &contour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0));
cvZero( dst );
for( ; contour != 0; contour = contour->h_next )
{
double actual_area = fabs(cvContourArea(contour, CV_WHOLE_SEQ, 0));
if (actual_area < MIN_AREA)
continue;
//
// FIXME:
// Assuming the axes of the ellipse are vertical/perpendicular.
//
CvRect rect = ((CvContour *)contour)->rect;
int A = rect.width / 2;
int B = rect.height / 2;
double estimated_area = M_PI * A * B;
double error = fabs(actual_area - estimated_area);
if (error > MAX_TOL)
continue;
printf
(
"center x: %d y: %d A: %d B: %d\n",
rect.x + A,
rect.y + B,
A,
B
);
CvScalar color = CV_RGB( rand() % 255, rand() % 255, rand() % 255 );
cvDrawContours( dst, contour, color, color, -1, CV_FILLED, 8, cvPoint(0,0));
}
cvSaveImage("coins.png", dst, 0);
}
}
./opencv-contour.out coin-ohtsu.pbm
center x: 291 y: 328 A: 54 B: 42
center x: 286 y: 225 A: 46 B: 32
center x: 471 y: 221 A: 48 B: 33
center x: 140 y: 210 A: 42 B: 28
center x: 419 y: 116 A: 32 B: 19
这是输出图像：
你可以改进的地方：
cvConvexityDefects）区分硬币和其他物体的最佳方法可能是通过形状。我想不出任何其他低级图像特征（颜色显然不行）。所以，我能想到两种方法：
您的第一个任务是将对象（硬币和非硬币）与背景分离。如Carnieri建议的Ohtsu方法在这里效果很好。您似乎担心图像是二分图，但我认为这不会成为问题。只要桌面上有足够多的可见区域，您就保证有一个峰值在直方图中。只要桌面上有几个视觉上可区分的物体，您就保证有第二个峰值。
膨胀您的二值图像几次，以消除阈值处理留下的噪声。硬币相对较大，因此它们应该经受得起这种形态学操作。
使用区域生长将白色像素分组为对象--只需迭代地连接相邻的前景像素。在此操作结束时，您将拥有一系列不相交的对象，并且您将知道每个对象占用哪些像素。
从这些信息中，您可以了解到物体的宽度和高度（来自上一步）。因此，现在您可以估计包围物体的椭圆的大小，然后看看这个特定的物体与椭圆匹配程度如何。也许只使用宽度与高度比率更容易。如果以后还有人像我一样遇到这个问题，但是使用C++：
一旦你使用findContours找到轮廓（就像Misha的答案一样），你可以很容易地使用fitEllipse来拟合椭圆，例如：
vector<vector<Point> > contours;
findContours(img, contours, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0,0));
RotatedRect rotRecs[contours.size()];
for (int i = 0; i < contours.size(); i++) {
rotRecs[i] = fitEllipse(contours[i]);
}
