如何删除错误检测？

Question

我正在使用OpenCV来检测二进制图像中的椭圆，如下所示。在图像中，有八个椭圆被检测。我可以使用findContours获得很多轮廓，包括八个椭圆。问题是：我怎样判断哪一个是椭圆哪一个不是？如何删除所有其他错误检测？

Answer 1

在这种特定情况下，Hough Circle Transform可能是最简单的解决方案。

复制教程中的代码并将cv::HoughCircles()的参数更改为：

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

<强>输出：

但我喜欢@George的想法，顺其自然，它比指定硬编码常量更强大。我的方法适用于此图像，但如果您的图像具有不同大小的圆圈和内容，则需要使用cv::minEnclosingCircle()。

Answer 2

一个选择是有点hacky： 在findContours之上使用minEnclosingCircle并按分钟过滤轮廓。基于阈值包围半径（移除小于半径A（移除微小的斑点）并且大于半径B（移除巨大的斑点））。您也可以尝试minAreaRect并检查宽度/高度比，以查找均匀的斑点，而不是高/宽斑点。

较少hacky的解决方案是使用Hough变换。看看hough circle和教程

Answer 3

现在我想我已经用自己的算法成功地解决了这个问题。只需发布以供将来参考。

如下图所示，可以准确定位所有椭圆。并且成功删除了错误检测。另一方面，算法非常节省时间：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

算法的程序：

1. 使用函数findContours
从二进制图像中检测轮廓
2. 通过设置轮廓最小尺寸的阈值来移除太小的
3. 使用fitEllipse [/ li>函数检测椭圆
4. 将轮廓与相应的椭圆进行比较。具体而言，将所有轮廓点替换为一般椭圆方程（参见http://www.maa.org/joma/volume8/kalman/general.html）。然后计算代数误差。如果误差小于阈值，则排除该轮廓。



编辑： 评论George Profenza和karlphillip的答案。 感谢George Profenza和karlphillip的回答。但是，他们的答案并不能很好地解决问题。 George Profenza给出的第一个想法是设定轮廓尺寸的阈值。事实上，我已经在我的算法中使用了它。但显然这是算法的一个初步步骤。有许多“好”大小的错误检测。 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）它只能检测圆而不是椭圆。当然，当椭圆接近圆形时，它也可以工作。但对于一般情况，它没有。而且，我上面的方法无法检测到“图8”。这是一个大问题，我仍在努力。

Answer 4

虽然之前已经接受了另一个答案，但有几个选项需要探讨，所以我将添加另一个答案。假设Hough方法对于您的应用来说足够快，这里有一些有趣的选择：

1. Ellipse detection with OpenCV
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

我可能还会补充说，Hough可能是继续可靠地检测省略号的“正确”方法，但您可能遇到其他挑战。您表明Hough圈在桌面上足够快，但桌面性能与嵌入式系统的匹配程度如何？嵌入式系统是否有浮点单元？如果没有，请不要对软件模拟浮点所表现出的性能过于担心。您仍然可以使用定点数学，查找表等令人满意地实现Hough算法。