我计划为一个工业问题实现基于图像处理的解决方案。
这张图片由一个红色的矩形和一系列圆组成的矩阵构成。要求在以下条件下计算圆的数量。（实际应用：计算瓶子盒中的瓶子数目。有任何漏掉的瓶子吗？）
- 操作所需时间应该非常短。
- 需要检测红色矩形。我的目标是计算包装中的物品数量，因此没有任何机制（传感器）来触发相机。因此，相机将不断地拍照，但程序应该有一种方式来丢弃不必要的图像。
- 处理应该是实时的。
- 图像捕获可能存在"噪音"。您可能会看到椭圆形而不是圆形。
我的问题如下：
- 哪种最佳边缘检测算法与给定场景匹配？
- 除边缘检测外，还有其他机制可以使用吗？
- 我使用的语言对系统性能有很大影响吗？
啊——你现在告诉我们瓶子是固定位置的！
这是一个非常简单的问题。
您只需查看每个12个位置中是否有黑色区域即可。 没有比这更容易的事情了。
您根本不需要进行任何边缘或形状检测。
就是这么简单。
然后您指出盒子可能会旋转，物品可能会晃动。 盒子可能会轻微地旋转（甚至很大，每次从0到360），这非常容易处理。 瓶子位于“槽”中（即使晃动），这极大地改变了问题的性质。 您的主要问题（很容易）是等待每个新的红色正方形（箱子）位于相机下方的中心位置。 我刚意识到您在原始问题中的句子中字面上和具体地指的是“矩阵”。与找到无序的圆圈相比，这完全改变了一切。 查找一个斑点是否“开启”其中一个12个点之一，是一种截然不同的问题，与“识别图像中的圆圈”截然不同。 也许您可以发布一张图片来解决问题。
最后，我相信下面的Kenny已经找到了最佳解决方案：斑点分析。
“计算瓶盒中的瓶子数量”...
单个瓶子是否位于“插槽”中？ 即，有4x3 = 12个孔，每个瓶子一个。
换句话说，您“仅需”确定每个12个孔中是否有瓶子。
是这样吗？
如果是这样，那么您的问题比“任何地方”的瓶子堆积问题要简单得多。
简单地说，我们从哪里看到瓶子？ 顶部，侧面，底部还是其他位置？ 我们总是看到顶部/底部，还是它们混合在一起（即，从头到尾包装）。 这些问题产生了巨大的差异。
Surf/Sift在这种情况下过于复杂，你肯定不需要它。
如果你想要实时速度（大约在800x600图像上达到20fps+），我建议使用Cuda来实现边缘检测，使用标准滤波方案如sobel, 然后实现二值化+ image closure以确保圆的边缘不会分割开。
最难的部分将是拟合圆。这是假设你已经完成了获取边缘并使用图像闭合（形态学）确保它们连接的步骤。此时，我会按照以下步骤进行：
如果无法将形成圆的连接组件分别分割，则第二步将更加困难，因此应该思考如何保证这种情况。
祝好运。
编辑
经过进一步思考，我觉得RANSAC非常适合圆形连接组件相互接触的情况。理论上，RANSAC应该只将圆拟合到连接组件的一部分（因为它能够在大多数异常点的情况下表现良好）。这意味着您可以添加额外的检查，以查看拟合的圆是否覆盖整个连接组件，如果不是，则重新运行留下的连接组件部分的RANSAC。根据需要反复进行。
此外，我意识到我说的是圆，但你也可以使用RANSAC来拟合椭圆而不是圆。
另外，我想评论一下，当我说CUDA是一个好选择时，我的意思是CUDA是实现Sobel滤波器+二值化+图像闭合的好选择。连接组件和RANSAC可能最好留给CPU处理，但您可以尝试将它们推送到CUDA中，虽然我不知道GPU对于这两个任务是否比CPU更有优势。
