有没有办法检测中间的空心圆？

Question

我正在尝试检测全音符和半音符，但对于半音符，我似乎无法检测到它，因为它是一个空心圆圈。有没有办法检测空心圆？

示例：

这是我的代码：

#include "opencv2/opencv.hpp"

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{

    // Read image
    Mat im = imread("beethoven_ode_to_joy.jpg", IMREAD_GRAYSCALE);

    // Setup SimpleBlobDetector parameters.
    SimpleBlobDetector::Params params;

    // Change thresholds
    params.minThreshold = 10;
    params.maxThreshold = 200;

    // Filter by Area.
    params.filterByArea = true;
    params.minArea = 15;

    // Filter by Circularity
    params.filterByCircularity = true;
    params.minCircularity = 0.1;

    // Filter by Convexity
    params.filterByConvexity = true;
    params.minConvexity = 0.01;

    // Filter by Inertia
    params.filterByInertia = true;
    params.minInertiaRatio = 0.01;


    // Storage for blobs
    vector<KeyPoint> keypoints;


#if CV_MAJOR_VERSION < 3   // If you are using OpenCV 2

    // Set up detector with params
    SimpleBlobDetector detector(params);

    // Detect blobs
    detector.detect(im, keypoints);
#else 

    // Set up detector with params
    Ptr<SimpleBlobDetector> detector = SimpleBlobDetector::create(params);

    // Detect blobs
    detector->detect(im, keypoints);
#endif 

    // Draw detected blobs as red circles.
    // DrawMatchesFlags::DRAW_RICH_KEYPOINTS flag ensures
    // the size of the circle corresponds to the size of blob

    Mat im_with_keypoints;
    drawKeypoints(im, keypoints, im_with_keypoints, Scalar(0, 0, 255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

    // Show blobs
    imshow("keypoints", im_with_keypoints);
    imwrite("a.jpg", im_with_keypoints);
    waitKey(0);

}

Answer 1

我给你的建议是使用一些机器学习算法。简而言之，整个想法如下：您首先需要为图像创建一个训练集。在训练集中，您需要标记一些东西。一个标签是“空心圆”。然后你标记其他笔记。我不知道有多少个音符，但是您可以将每个音符单独标记，或者将所有不是神圣圆圈的音符标记为一个。您也可以标记背景。然后，您在训练数据上训练机器学习模型，然后将您的测试数据（模型在训练时未看到的图像）输入其中并获得准确性。您可以将数据拆分为training and validation sets 进行训练。

对于标签，您可以使用this website。

Answer 2

有不同的方法可以做到这一点。这是一个简单的：

• 首先（可选），我会使用霍夫变换来检测分区，而不是音符，因为处理更简单的图像通常更容易。您确切地知道必须找到的垂直/水平线的数量，因此很容易对 Hough 变换进行参数化。如果您的图像被完美扫描，您还可以使用直方图投影（也称为积分投影功能）。
• 由于有些笔记没有完全填满，我会先做一个小填充孔操作（see here 或here）。也可以使用关闭来完成。如果你不这样做，你只分割整个笔记（见下面的结果）。
• 现在，您执行一个小开头，它只会保留键和音符。

结果：

• Opening result 没有填充。
• Filling result。
• Final result（填充+开口）。还不完美，但非常接近最终解决方案，特别是如果您先应用霍夫变换，然后在下面应用我的评论。

一般评论：不要使用 JPG 格式，它会添加很多伪影，这在图像处理中尤其令人讨厌，尤其是在您进行如此微小的图案检测时。

Answer 3

模板匹配可能很笼统，我不知道你的意思。

空心圆就是我们所说的圆。

所以我的第一个建议是使用霍夫变换（你的圆圈是否变成椭圆是有问题的，你可以看到）。

由于您的圈子大小相同，因此您可以通过霍夫变换获得成功 - 了解一下