Gürültülü Görüntü Verilerinde Bir Dairenin Saptanması

Aşağıdaki gibi görünen bir görüntü var:

Dairenin yarıçapını (veya çapını) bulmaya çalışıyorum. Dairesel Hough dönüşümü (matlab ile imfindcircles(bw,[rmin rmax],'ObjectPolarity','bright')) kullanarak ve bir daire veya bir elips (daha az gürültülü veriler için oldukça iyi çalışan ev yapımı fonksiyona uyarak) denedim .

Ayrıca, daha net bir daire elde etmek için bazı görüntü işleme denedim, örneğin, aşağıya bakın:

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

Ancak, işlenen görüntüyü her iki tekniğe de (Hough ve circle \ ellipse fitting) beslediğimde, ikisi de daireyi iyi bir şekilde algılamayı başaramaz.

İşte yazdığım daire bulucunun kod pasajı (matlab) [row col] = find (bw); kontur = bwtraceboundary (bw, satır (1), sütun (1)], 'N', bağlantı, sayı_ noktaları);

    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);

Alternatif yaklaşımlar takdir edilecektir ...

İşte benim çözümüm, @ Yoda'nın fikrine yakın, ama bazı adımları değiştirdim.

• Tüm pikselleri 7x7 mahallelerinde en az 6 piksel olacak şekilde işaretleyin
• Tüm lekeleri çıkarın, ancak en büyüğü
• Delikleri doldurun
• Kenar algılamayı uygula
• Hough dönüşümünü kullanarak çevre bulma

İlgili Matlab kodu. Kodumda daireler .m dosyası için Hough dönüşümü kullanıyorum .

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

Görüntü işleme kullanarak bunu yapmak oldukça basittir. Aşağıdakiler Mathematica'da bir kavram kanıtıdır . Bunu MATLAB'a çevirmeniz gerekecek.

• İlk olarak, eksenleri kırpın ve sadece görüntünün bir kısmını tutun. Ben bu değişkeni diyorum img.

• Görüntüyü ikileştirin ve genişletin, ardından bir dolgu dönüşümü yapın. Ayrıca, ana bloba bağlı olmayan başıboş küçük bileşenleri de çıkarıyorum. Size aşağıdaki gibi bir şey vermelidir:

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

  

• Daha sonra, bu blobun centroidini ve blobun eşdeğer disk yarıçapını bulun (openCV, MATLAB, bunu yapmak için eşdeğer komutlara sahiptir)

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

• Bu kadar! Şimdi orijinal görüntüyü ve üst ortası ve yarıçapı olan bir daireyi nasıl oturduğunu görmek için çizin:

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