Обнаружение объекта с помощью openCV и python

Я пытаюсь обнаружить белые точки на следующем изображении с использованием OpenCV и Python.Обнаружение объекта с помощью openCV и python

enter image description here

Я попытался с помощью функции cv2.HoughCircles, но без какого-либо успеха.

Нужно ли использовать другой метод?

Это мой код:

import cv2, cv 
import numpy as np 
import sys 

if len(sys.argv)>1: 
    filename = sys.argv[1] 
else: 
    filename = 'p.png' 

img_gray = cv2.imread(filename,cv2.CV_LOAD_IMAGE_GRAYSCALE) 

if img_gray==None: 
    print "cannot open ",filename 

else: 
    img = cv2.GaussianBlur(img_gray, (0,0), 2) 
    cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR) 
    circles = cv2.HoughCircles(img,cv2.cv.CV_HOUGH_GRADIENT,4,10,param1=200,param2=100,minRadius=3,maxRadius=100) 
if circles: 
    circles = np.uint16(np.around(circles)) 
    for i in circles[0,:]: 
     cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),1) 
     cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3) 

cv2.imshow('detected circles',cimg) 
cv2.waitKey(0) 
cv2.destroyAllWindows()

источник

2013-02-08 user2054991

Вокруг границы изображения много белых точек. Можете ли вы уточнить, какие точки вы хотите найти? Может быть, те, кто ближе к центру, которые не являются точками? – mmgp

Я думаю, что медианный фильтр улучшит изображение. Попробуйте поэкспериментировать с некоторыми ядрами 3x3 или 7x7. Затем после этого какой-то (локальный) алгоритм порога вы получите формы. Вы можете либо HoughCircles, либо просто найти контуры и проверить их на округлость.

источник

2013-02-08 17:25:21 RobAu

Преобразование изображения в двоичное изображение с использованием подходящей пороговой техники (возможно, Otsu). Затем используйте морфологические операции, такие как эрозия, чтобы уменьшить круги, а затем вы можете легко найти их центры.

источник

2013-02-08 17:25:55

Otsu даст очень плохой результат здесь, вы можете проверить его самостоятельно или хотя бы взглянуть на гистограмму изображения (подсказка: это унимодальная). – mmgp

да, может быть, вы правы. Я работал над чем-то подобным в прошлом, но я не могу вспомнить, какую бинаризацию я использовал, будь то китлер или otsu. –

Я не прошу вас доверять мне, попробуйте сами. На странице http://i.imgur.com/w0CnlC3.png вы увидите результат после бинаризации Otsu. – mmgp

Если вы можете воспроизвести морфологическую реконструкцию в OpenCV, вы можете легко построить h-куполообразное преобразование, которое значительно упростит задачу. В противном случае достаточно простого порога для гауссовской фильтрации.

enter image description here

Binarize[FillingTransform[GaussianFilter[f, 2], 0.4, Padding -> 1]]

гауссовской фильтрации было сделано в коде выше, чтобы эффективно подавлять шум вокруг границы ввода, которое будет оставаться после ч-купола преобразования в противном случае.

Следующий результат является результатом простого порога после гауссовой фильтрации (Binarize[GaussianFilter[f, 2], 0.5]), а также другого результата, который задается прямым бинаризацией с использованием метода порогового значения Kapur (см. Статью «Новый метод для порога изображения на уровне серого с использованием энтропия гистограмме»(которая уже не новый метод, он с 1985 года)):

enter image description here

Правое изображение выше, имеет много мелких точек по всей границе (которая не может быть видно при этом разрешении изображения), но полностью автоматизирован. Из этих 3 вариантов в OpenCV уже присутствует только второй.

источник

2013-02-08 17:26:13 mmgp

Обнаружение объекта с помощью openCV и python

ответ

Смежные вопросы