【发布时间】：2013-04-16 08:36:22
【问题描述】：
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，有八个椭圆需要检测。我可以使用 findContours 获得很多轮廓，包括八个椭圆。问题是：我如何判断哪个是椭圆哪个不是？如何去除所有其他错误检测？
【问题讨论】：
-
如果你有某种圆圈，你可以检查轴的比例和轴的大小并过滤掉噪音。
【发布时间】：2013-04-16 08:36:22
【问题描述】：
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，将cv::HoughCircles()的参数改为：
/// Apply the Hough Transform to find the circles
HoughCircles( src_gray, circles, CV_HOUGH_GRADIENT, 1, 10, 40, 30, 0, 0 );
输出：
但我喜欢@George 的想法，随它去吧，它比指定硬编码常量更健壮。我的方法对这张图片很有效，但是如果你有不同大小的圆圈和东西的图片，你想使用cv::minEnclosingCircle()。
【讨论】：
一个选项有点老套： 在 findContours 之上使用 minEnclosingCircle 并按 min 过滤轮廓。基于阈值的封闭半径（删除小于半径 A（删除小斑点）和大于半径 B（删除大斑点））。您也可以尝试minAreaRect 并检查宽/高比以寻找均匀的斑点而不是高/宽的斑点。
比较简单的解决方案是使用霍夫变换。看看hough circle 和教程
【讨论】：
-
谢谢。我认为删除太大或太小的东西很有用。其实我有个想法，就是用胡的矩来消除误检。这意味着：首先计算一些训练椭圆的胡矩。然后对于每个轮廓，计算其 Hu 的矩，如果它们与训练的非常不同，那么我们可以排除该轮廓。你觉得这个想法有用吗？
-
我自己没有使用过霍夫时刻，因此无法从经验中提供建议。 hough circles 听起来像是你需要的。抱歉，我无法提供更多帮助
-
@George Profenza：还是谢谢你。
现在我想我已经使用自己的算法成功地解决了这个问题。只需发布它以供将来参考。
如下图，所有的椭圆都可以准确定位。并且成功去除了错误检测。另一方面，该算法非常省时：在我的普通桌面上处理所有图像只需 0.03 秒。图片尺寸：448x336像素
算法的过程：
- 使用函数 findContours 从二值图像中检测轮廓
- 通过设置轮廓最小尺寸的阈值来移除太小的轮廓
- 使用函数 fitEllipse 检测椭圆
- 将轮廓与对应的椭圆进行比较。具体来说，将所有轮廓点代入一般椭圆方程（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 的回答。 感谢 George Profenza 和 karlphillip 的回答。但是，他们的回答并不能很好地解决问题。 George Profenza 给出的第一个想法是为轮廓的大小设置阈值。事实上，我已经在我的算法中使用了它。但显然这是算法的初步步骤。有很多“好”尺寸的错误检测。 George Profenza 的第二个想法是使用 HoughCircles，也是由 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) 它只能检测圆形而不能检测椭圆。当然，当椭圆接近圆时，它也有效。但对于一般情况，它不会。此外，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。
【讨论】：
-
您的算法似乎错过了右下角的两个椭圆（“图 8”）。这是一个问题吗？请注意，霍夫方法找到了它们。
-
是的。我很好奇你是否使用了霍夫圆。正如上面乔治和卡尔所建议的那样，这个问题似乎是正确的问题。一般来说，霍夫变换等方法往往比简单的启发式方法更稳健。
-
@Throwback1986：感谢您的 cmets。首先，我不使用 HoughCirces 的原因是：（a）它很慢（对吗？），而我需要在嵌入式系统中实时实现。 (b) 它只能找到圆而不能找到椭圆（对吧？）。当然，当椭圆接近一个圆时，它也可以找到椭圆。其次，“八字”确实是个大问题。事实上，我仍在努力。有什么想法吗？
-
@lightalchemist：感谢您的 cmets。请看我上面的回复。
-
@Shiyu：你确认霍夫圆技术对你的应用来说太慢了吗？
虽然之前已经接受了另一个答案，但有几个选项需要探索，所以我将添加另一个答案。假设 Hough 方法对您的应用程序来说足够快，这里有一些有趣的替代方法：
- Ellipse detection with OpenCV
- http://toyhouse.cc/profiles/blogs/modified-hough-ellipse-transform-detecting-ellipse-in-an-accurate
- http://www.codeforge.com/article/131943
- 还有我在上面的 cmets 中添加的论文：http://www.bmva.org/bmvc/1988/avc-88-041.pdf
我还可以补充一点，Hough 可能是可靠地检测椭圆的“正确”方法，但您可能会遇到其他挑战。您表示 Hough circles 在您的桌面上足够快，但桌面的性能与嵌入式系统匹配程度如何？嵌入式系统有浮点单元吗？如果不是，请不要对软件模拟浮点所表现出的性能过于惊慌。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。
【讨论】：