如何使用 OpenCV 检测车轮中的椭圆

Question

我有一个车轮的图像，我想用 OpenCV 检测映射到这个车轮（或车轮的内圆）的椭圆（用于车辆/车轮的姿态估计）。

[![在此处输入图片描述][1]][1]

有人知道怎么做吗？

[![在此处输入图片描述][2]][2]

生成的图像应该看起来像这样（或者有点像这样 - 我需要检索一些通过省略号的点）。请注意，结果应该是椭圆，而不是圆形，因为如果从侧面看，轮子可能会透视/变形。

到目前为止，我尝试了 Contour（并识别最大的轮廓区域）、canny 和颜色阈值，我能够在我的大多数测试图像上识别出车轮的内椭圆（成功！）。这个“内椭圆”是最大轮廓的一部分，但它也包含我不需要的其他点。

看图： [![在此处输入图片描述][3]][3]

最后一个问题是，如何推导出这个内圆/椭圆的几个点（并去除其他垃圾）以便我可以计算椭圆参数？

任何帮助将不胜感激。

非常感谢！

编辑：

到目前为止，这是我的代码：

import sys
import numpy as np
import skimage.io
import skimage.filters
import matplotlib.pyplot as plt
import cv2

from skimage import data, color, img_as_ubyte
from skimage.feature import canny
from skimage.transform import hough_ellipse
from skimage.draw import ellipse_perimeter

# get filename and sigma value from command line
filename0 = 'back_wheel.png'
filename1 = "backwheel1.png"
filename2 = "backwheel2.png"
filename3 = "backwheel3.png"
filename4 = "frontwheel1.png"
filename5 = "frontwheel2.png"

def getWheel0(filename):

    image_rgb_orig = cv2.imread(filename)
    image_rgb = image_rgb_orig.copy()

    print('Original Dimensions : ',image_rgb.shape)

    width = 350
    height = (int)(width * image_rgb.shape[0]/image_rgb.shape[1])
    dim = (width, height)


    image_rgb = cv2.resize(image_rgb, dim, interpolation=cv2.INTER_AREA)

    image_gray = cv2.cvtColor(image_rgb, cv2.COLOR_BGR2GRAY)

    equ = cv2.equalizeHist(image_gray)
    #edges = cv2.Canny(image_gray, 150, 200)

    norm_image = cv2.normalize(equ, None, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)

    #--- First obtain the threshold using the greyscale image ---
    ret,th = cv2.threshold(norm_image, 50, 100, cv2.THRESH_TOZERO_INV)

    #--- Find all the contours in the binary image ---
    contours,hierarchy = cv2.findContours(th,2,1)
    #contours, hierarchy = cv2.findContours(th, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_TC89_L1)
    cnt = contours
    big_contour = []
    max = 0
    for i in cnt:
      area = cv2.contourArea(i) #--- find the contour having biggest area ---
      if(area > max):
        max = area
        big_contour = i 

    result = cv2.drawContours(image_rgb, big_contour, -1, (0,255,0), 3)

    fig2, (ax1, ax2, ax3) = plt.subplots(ncols=3, nrows=1, figsize=(8, 4), sharex=True,
                                    sharey=True)

    ax1.set_title('Original picture')
    ax1.imshow(image_rgb_orig)

    ax2.set_title('Threshhold')
    ax2.imshow(th)

    ax3.set_title('Contour')
    ax3.imshow(result)

    plt.show()

getWheel0(filename0)
getWheel0(filename1)
getWheel0(filename2)
getWheel0(filename3)
getWheel0(filename4)
getWheel0(filename5)

运行它 “蟒蛇轮胎.py”

Answer 1

在图像上定位圆的问题是众所周知的并且已经解决了。

使用霍夫圆变换。 这是 OpenCV 库的基本功能：docs。

广义霍夫变换可用于检测椭圆。但是您需要自己编写代码，因为this question 的答案中提供了一些合理的想法。在检测线 (2) 或圆 (3) 的情况下，您需要具有更多维度 (5) 的累加器，但这应该不是问题。

看起来 canny 也为您的图像提供了良好的边缘。您可以尝试以下操作：

1. 对于连接的轮廓（超过某个最小长度），找到最远的点对（大轴）和与大轴正交的最接近的点对。
2. 连接点对给出椭圆轴（椭圆中心位于交叉点）。计算椭圆参数。
3. 检查其他轮廓的点是否与计算出的椭圆相匹配（允许一些小的偏移）。如果是，contours 是椭圆，否则不是。

这两种解决方案都可能不适用于具有不对称轴的椭圆和类椭圆轮廓。

Answer 2

感谢大家的帖子。这些对于接近答案非常有帮助。我最终做了以下事情：

灰度 标准化 查找轮廓

然后在轮廓上，我做cornerHarris，它返回一个图像大小的Mat，轮廓的每个像素都有一个角值。

我将cornerHarries Mat 的值标准化为 0 到 255 之间的值。 0 是直线（没有拐角），然后我将每个值设置为低于 2（直线）和任何高于 20 到 255 的值，这样只有“软曲线”保留在垫子中。

在这一步之后，我循环遍历 Mat 并删除所有 =255 或距离 255 点很近的值。

结果是（至少对于这个测试图像而言）只剩下一部分椭圆点，这些足以让 findEllipse 返回正确的椭圆。