简单的圆检测模型

Question

我有一组 100x100 像素的深色背景上的光“点”照片。它们看起来像这样：

如您所见，它们没有完全居中，边界不完美，有时还会出现次要瑕疵。但是，感兴趣的对象总是相当大（> 面积的 1/10）并且或多或少是圆形的。

我想知道每个点的大小。

从每个 100x100 的图块中选取 100 个随机像素后，我能够通过计算 Z 分数与背景来选择属于斑点的像素，然后只保留 Z>3 的像素。然后我可以计算质心（以 x/y 坐标和 Z 作为质量）以获得每个点的中心的近似值。但是，我不确定如何检测它们的直径。

我想过简单地在最外面的明亮像素周围画一个圆圈，然后在有瑕疵的情况下，我会以一个过大的圆圈结束。显然，我需要一个更好地适应误报的模型（即明亮但不属于该点的像素）。有没有一种数学上简单的方法（即不是复杂的 SVM 方法）？结果应该是这样的（如果我们将其可视化）：

Answer 1

这应该可以完成工作：

1. 使用阈值转换为二值图像
2. 执行适当数量的erosion 操作以去除瑕疵或至少将它们与斑点分开
3. 执行相同数量的dilation 操作以恢复斑点的原始大小。
4. 对于每个连接的白色像素区域，计算质心并计算像素数以估计半径。
5. 忽略像素太少的区域。

您可以添加额外的检查以确保区域大致为圆形。例如，您可以检查每个边界像素与质心之间的距离是否在一定范围内。