Phát hiện vòng tròn trong dữ liệu hình ảnh nhiễu

Tôi có một hình ảnh trông giống như hình dưới đây:

Tôi đang cố gắng tìm bán kính (hoặc đường kính) của vòng tròn. Tôi đã thử sử dụng biến đổi Hough tròn (thông qua matlab imfindcircles(bw,[rmin rmax],'ObjectPolarity','bright')) và bằng cách khớp với hình tròn hoặc hình elip (chức năng tự làm tại nhà hoạt động khá tốt cho dữ liệu ít nhiễu hơn, xem bên dưới).

Tôi cũng đã thử xử lý một số hình ảnh để có được một vòng tròn rõ ràng hơn, ví dụ, xem bên dưới:

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

Tuy nhiên, khi tôi cung cấp hình ảnh được xử lý cho cả hai kỹ thuật (khớp Hough và circle \ ellipse), cả hai đều không thể phát hiện ra vòng tròn một cách tử tế.

Đây là đoạn mã của trình tìm vòng tròn tôi đã viết (matlab) [row col] = find (bw); contour = bwtraceboundary (bw, hàng (1), col (1)], 'N', kết nối, num_point);

    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);

Phương pháp thay thế sẽ được đánh giá cao ...

Đây là giải pháp của tôi, nó gần với ý tưởng của @ Yoda, nhưng tôi đã thay đổi một số bước.

• Đánh dấu tất cả các pixel sao cho có ít nhất 6 pixel trong vùng lân cận 7x7 của chúng
• Loại bỏ tất cả các đốm màu, nhưng lớn nhất
• Lấp đầy lỗ
• Áp dụng phát hiện cạnh
• Tìm vòng tròn bằng cách sử dụng biến đổi Hough

Đây là mã Matlab có liên quan. Tôi đang sử dụng biến đổi Hough cho tệp .m trong vòng tròn .

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

Nó khá đơn giản để làm điều đó bằng cách sử dụng xử lý hình ảnh. Sau đây là một bằng chứng về khái niệm trong Mathematica . Bạn sẽ phải dịch nó sang MATLAB.

• Đầu tiên, cắt các trục và chỉ giữ lại phần hình ảnh của nó. Tôi gọi biến này img.

• Làm mờ hình ảnh và làm giãn nó, theo sau là một biến đổi điền. Tôi cũng loại bỏ các thành phần nhỏ đi lạc không được kết nối với blob chính. Nó sẽ cung cấp cho bạn một cái gì đó như sau:

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

  

• Tiếp theo, tìm trọng tâm của blob này và bán kính đĩa tương đương của blob (openCV, MATLAB đều có các lệnh tương đương để làm điều này)

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

• Đó là nó! Bây giờ vẽ hình ảnh gốc và một vòng tròn với tâm và bán kính ở trên để xem nó phù hợp như thế nào:

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