我有一个圆圈的图像,我想要找到圆圈但不要使用霍夫圆圈。
我找到了一种方式,链接here。
但我找不到从白到黑的过渡坐标,因为我不知道圆圈中的x和y坐标。还有哪些其他方法,或者我如何使这种方法有效?
这是我的测试图片:
答案 0 :(得分:4)
另一种方法(不仅仅是圈子有用)就是找到圈子上的image contours和image moment analysis来找到它的质心:
如果您要继续进行图像处理,我建议您学习它们。它们是非常有用的方法,可以将图像转换为更有用的结构。
答案 1 :(得分:3)
一种可能的方法是首先threshold
图像摆脱圆圈周围的一些噪音。然后,您可以使用Canny
边缘检测提取圆的边缘。最后,findNonZero
获取像素坐标列表。
我首先用Python做了一个快速原型:
import cv2
import numpy as np
img = cv2.imread('circle.png', 0)
mask = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)[1]
edges = cv2.Canny(mask, 20, 100)
points = np.array([p[0] for p in cv2.findNonZero(edges)])
然后将其移植到C ++,添加一些额外的代码来保存所有中间图像并绘制找到的像素。
#include <opencv2/opencv.hpp>
int main()
{
cv::Mat img(cv::imread("circle.png", 0));
cv::Mat mask;
cv::threshold(img, mask, 127, 255, cv::THRESH_BINARY);
cv::imwrite("circle_1.png", mask);
cv::Mat edges;
cv::Canny(mask, edges, 20, 100);
cv::imwrite("circle_2.png", edges);
std::vector<cv::Point2i> points;
cv::findNonZero(edges, points);
cv::Mat output(cv::Mat::zeros(edges.size(), CV_8UC3));
for (auto const& p : points) {
output.at<cv::Vec3b>(p) = cv::Vec3b(127, 255, 127);
}
cv::imwrite("circle_3.png", output);
}
threshold
的输出:
Canny
的输出:
重新绘制像素: