检测图像中的切口/半圆答案

【问题标题】：Detect a cutout/semicircle in an image检测图像中的切口/半圆
【发布时间】：2017-07-06 21:47:34
【问题描述】：

下面是一个二进制图像，我想在其中检测“山丘”、半圆、切口......在下面的红色圆圈中。检测不一定要精确，我只需要知道图片中有这样的东西。我正在考虑一种算法，该算法将使用一种线扫描方法并计算线上的黑色像素并用某种“聪明”来评估它，但在此之前我想知道我是否遗漏了任何可能的技术更容易或更强大。我已经尝试过 HoughCircles，但没有好的结果，因为圆圈的半径很大，而且有很多（houghCircles 将灰度图像作为输入）。

【问题讨论】：

我不知道你来自哪里，但我来自哪里，半圆看起来不一样；）
您能否更具体地说明您要提取哪些信息？
@YvesDaoust 正如您自己猜测的那样，这是一个缺陷检测。我不需要确切的特征。我只需要找出其他漂亮的矩形形状是否存在缺陷。

标签： c++ opencv image-processing

【解决方案1】：

在这种简单的情况下，计算像素应该没问题。如果您面对更复杂的场景以及您不想考虑的其他事情，您应该考虑使用 blob 检测器。此方法搜索连接像素的区域。一旦有了斑点，您就可以轻松地按大小、形状、位置对它们进行分类，这有助于去除不需要的东西。

https://www.learnopencv.com/blob-detection-using-opencv-python-c/

这是一个非常基本的技术。在继续之前，请阅读有关图像处理基础的书籍。这将使生活更轻松。

【讨论】：

您的建议基本上是寻找轮廓并寻找该区域？我想避免这种情况。
@Croolman：如果您追求几何特征，例如曲率半径，那么如果不看...形状（因此是轮廓）就很难做到这一点。
@Croolman 你不必这样做，但如果你必须以某种方式描述那些黑色区域，因为你可能不得不过滤掉你不感兴趣的东西，你就无法避免它。如果你只是想知道有没有东西，计算像素就足够了。

【解决方案2】：

正如@piglet 所说，这是一个blob 分析的案例。

如果您想进一步表征和分类缺陷，您必须计算形状的一些几何特征，例如面积、直径、伸长率……并将它们输入分类器/神经网络。

【讨论】：