시끄러운 이미지 데이터에서 원 감지

아래 그림과 같은 이미지가 있습니다.

원의 반지름 (또는 직경)을 찾으려고합니다. 나는 원형 Hough 변환 (matlab 's 사용 imfindcircles(bw,[rmin rmax],'ObjectPolarity','bright'))을 사용하고 원이나 타원에 맞추려고 노력했습니다 (노이즈가 적은 데이터에 아주 잘 작동하는 집에서 만든 함수입니다 (아래 참조)).

또한 더 선명한 원을 얻기 위해 이미지 처리를 시도했습니다. 예를 들어 아래를 참조하십시오.

se = strel('disk', 2);
bw = imdilate(bw, se);
bw = bwareaopen(bw,100000); 
bw =  edge(bw); 

그러나 처리 된 이미지를 두 기술 (하프 및 원형 / 타원 피팅)에 공급하면 어느 것도 원을 적절한 방식으로 감지하지 못합니다.

다음은 내가 쓴 서클 파인더의 코드 스 니펫입니다 (matlab) [row col] = find (bw); 등고선 = bwtraceboundary (bw, row (1), col (1)], 'N', 연결성, num_points);

    x = contour(:,2);
    y = contour(:,1);

    % solve for parameters a, b, and c in the least-squares sense by
    % using the backslash operator
    abc = [x y ones(length(x),1)] \ -(x.^2+y.^2);
    a = abc(1); b = abc(2); c = abc(3);

    % calculate the location of the center and the radius
    xc = -a/2;
    yc = -b/2;
    radius  =  sqrt((xc^2+yc^2)-c);

대체 접근법이 인정 될 것입니다 ...

여기 내 해결책이 있습니다. @ Yoda의 아이디어에 가깝지만 몇 가지 단계를 변경했습니다.

• 7x7 근처에 최소 6 개의 픽셀이 있도록 모든 픽셀을 표시하십시오.
• 가장 큰 얼룩을 제거하십시오.
• 구멍 채우기
• 가장자리 감지 적용
• 허프 변환을 사용하여 원 찾기

관련 Matlab 코드는 다음과 같습니다. 내 코드에서 circle .m 파일에 Hough 변환을 사용 하고 있습니다.

function FindCircle()
    close all;
    im = imread('C:\circle.png');
    im = im(:,:,2);

    ims = conv2(double(im), ones(7,7),'same');
    imbw = ims>6;
    figure;imshow(imbw);title('All pixels that there are at least 6 white pixels in their hood');

    props = regionprops(imbw,'Area','PixelIdxList','MajorAxisLength','MinorAxisLength');
    [~,indexOfMax] = max([props.Area]);
    approximateRadius =  props(indexOfMax).MajorAxisLength/2;

    largestBlobIndexes  = props(indexOfMax).PixelIdxList;
    bw = false(size(im));
    bw(largestBlobIndexes) = 1;
    bw = imfill(bw,'holes');
    figure;imshow(bw);title('Leaving only largest blob and filling holes');
    figure;imshow(edge(bw));title('Edge detection');

    radiuses = round ( (approximateRadius-5):0.5:(approximateRadius+5) );
    h = circle_hough(edge(bw), radiuses,'same');
    [~,maxIndex] = max(h(:));
    [i,j,k] = ind2sub(size(h), maxIndex);
    radius = radiuses(k);
    center.x = j;
    center.y = i;

    figure;imshow(edge(bw));imellipse(gca,[center.x-radius  center.y-radius 2*radius 2*radius]);
    title('Final solution (Shown on edge image)');

    figure;imshow(im);imellipse(gca,[center.x-radius  center.y-radius 2*radius 2*radius]);
    title('Final solution (Shown on initial image)');

end

이미지 처리를 사용하는 것이 매우 간단합니다. 다음은 Mathematica 의 개념 증명입니다 . MATLAB으로 번역해야합니다.

• 먼저 축을 자르고 이미지 부분 만 유지하십시오. 이 변수를 호출합니다 img.

• 이미지를 이진화하고 확장 한 다음 채우기 변환을 수행하십시오. 또한 메인 블롭에 연결되지 않은 작은 구성 요소를 제거합니다. 다음과 같은 것을 제공해야합니다.

  filled = Binarize@img ~Dilation~ 3 // FillingTransform // DeleteSmallComponents
  

  

• 다음으로이 Blob의 중심과 Blob의 해당 디스크 반경을 찾습니다 (openCV, MATLAB은 모두 이와 동일한 명령을 가짐)

  {center, radius} = 1 /. ComponentMeasurements[filled, {"Centroid", "EquivalentDiskRadius"}]
  

• 그게 다야! 이제 원본 이미지와 위의 중심과 반지름으로 원을 그려서 이미지가 어떻게 적합한 지 확인하십시오.

  Show[img, Graphics[{Red, Circle[center, radius]}]]