如何消除虚假检测？

Question

我正在使用OpenCV在二进制图像中检测椭圆，如下所示。在图像中，有八个椭圆需要被检测出来。我可以使用findContours获取许多轮廓，包括这八个椭圆。问题是：如何判断哪一个是椭圆，哪一个不是？如何去除所有其他的错误检测？

- Shiyu

---

如果您有某种圆形，可以检查轴的比例和轴的大小，并过滤噪声。 - mrgloom

以下是有关编程的内容，翻译为中文：如何检查轮廓是否为椭圆？请仅提供翻译后的文本。 - Quentin Geissmann

Answer 1

在这种情况下，霍夫圆变换可能是最简单的解决方案。从教程中复制代码，并更改cv::HoughCircles()的参数为：

/// Apply the Hough Transform to find the circles
HoughCircles( src_gray, circles, CV_HOUGH_GRADIENT, 1, 10, 40, 30, 0, 0 );

输出:

但是我喜欢 @George 的想法，跟随它，比指定硬编码常量更加强大。我的方法对于这张图片非常有效，但如果你有不同尺寸的圆形和其他图像，则应使用cv::minEnclosingCircle()。

- karlphillip

Answer 2

一种可行的方法有些hacky：在findContours上方使用minEnclosingCircle，并根据阈值过滤最小包围半径的轮廓（删除小于半径A的轮廓（删除微小斑点）和大于半径B的轮廓（删除巨大斑点））。您还可以尝试minAreaRect并检查宽度/高度比以寻找均匀斑点而不是高/宽斑点。

更少hacky的解决方案是使用霍夫变换。请查看hough circle和教程。

- George Profenza

---

谢谢。我认为去除太大或太小的轮廓是有用的。事实上，我有一个想法，可以使用胡氏矩来消除虚假检测。也就是说：首先计算一些训练椭圆的胡氏矩。然后对于每个轮廓，计算它的胡氏矩，如果它们与训练数据非常不同，那么我们可以排除该轮廓。你觉得这个想法有用吗？ - Shiyu

我自己没有使用过霍夫矩，所以无法从经验上提供建议。霍夫圆似乎可以满足您的需求。很抱歉我不能提供更多帮助。 - George Profenza

@George Profenza：无论如何，谢谢你。 - Shiyu

Answer 3

现在我认为我已经成功地使用自己的算法解决了问题。只是为了将来参考而发布。如下所示，所有椭圆都可以准确地定位。并且成功地消除了错误检测。另一方面，该算法非常高效：在我的普通桌面上进行所有图像处理的时间为0.03秒。图像大小：448x336像素。

算法的步骤：

1. 使用函数findContours从二进制图像中检测轮廓。 2. 通过设置轮廓的最小大小阈值来删除太小的轮廓。 3. 使用函数fitEllipse检测椭圆。 4. 将所有轮廓点替换为通用椭圆方程（见http://www.maa.org/joma/volume8/kalman/general.html），然后计算代数误差与相应的椭圆进行比较。如果误差小于阈值，则排除该轮廓。

编辑：对George Profenza和karlphillip的回答进行评论。感谢George Profenza和karlphillip的回答。然而，他们的答案无法很好地解决问题。George Profenza提出的第一个想法是为轮廓的大小设置阈值。实际上，我在我的算法中使用了这个想法。但显然这只是算法的初步步骤。有许多“好”的大小的误检测。George Profenza的第二个想法是使用HoughCircles，这也是karlphillip提出的。HoughCircles的问题是：（a）它很慢，而我需要在嵌入式系统中实时实现算法。（b）它只能检测圆形而不能检测椭圆形。当椭圆接近圆形时，它也可以工作。但对于一般情况，它不行。此外，我上面的方法不能检测“8字形”。这是一个大问题，我仍在努力解决。

- Shiyu

---

似乎你的算法错过了右下角的两个椭圆（“8”形）。这是一个问题吗？请注意，Hough方法找到了它们。 - Throwback1986

是的。我想知道你是否使用了霍夫圆变换。正如George和Karl所建议的那样，这个问题似乎很适合使用它。总的来说，像霍夫变换这样的方法往往比简单的启发式方法更加健壮。 - lightalchemist

@Throwback1986：谢谢你的评论。首先，我不使用HoughCircles的原因是：(a) 它很慢（对吧？），而我需要在嵌入式系统中进行实时实现。(b) 它只能找到圆形而不能找到椭圆（对吧？）。当然，当椭圆接近圆形时，它也能找到椭圆。其次，“figure 8”确实是一个大问题。事实上，我仍在解决这个问题。对此有什么想法吗？ - Shiyu

@lightalchemist：感谢您的评论。请查看我上面的回复。 - Shiyu

@Shiyu：你确认了霍夫圆技术对你的应用来说太慢了吗？ - Throwback1986

Answer 4

虽然之前已经有另一个答案被接受，但还有几个选项需要探索，所以我会添加另一个答案。假设Hough方法对您的应用程序足够快，这里有一些有趣的替代方案：

1. 使用OpenCV进行椭圆检测
2. http://toyhouse.cc/profiles/blogs/modified-hough-ellipse-transform-detecting-ellipse-in-an-accurate
3. http://www.codeforge.com/article/131943
4. 我在上面的评论中添加的论文：http://www.bmva.org/bmvc/1988/avc-88-041.pdf

我还想补充的是，Hough算法可能是可靠检测椭圆的“正确”方法，但您可能会遇到额外的挑战。您表明Hough圆在您的台式机上足够快，但是台式机的性能如何与嵌入式系统匹配？嵌入式系统是否具有浮点单元？如果没有，不要对软件模拟浮点所展示的性能过于担心。您仍然可以使用定点数学、查找表等方式满意地实现Hough算法。

- Throwback1986