我的工作基于带有点阵的图像(图1),最终结果如图4所示.我将逐步解释我的工作.
图1原始图像
步骤1：检测每个对象的边缘,包括点和我想要删除的“环”以获得更好的性能.边缘检测的结果如图2所示.我使用Canny边缘探测器,但它对一些浅灰色点不起作用.我的第一个问题是如何关闭点的轮廓并尽可能减少其他噪音？
图2边缘检测
第2步：扩张每个物体.我找不到填补洞的好方法,所以我直接扩张它们.如图3所示,孔看起来太大,其他噪音也是如此.我的第二个问题是如何填充或扩大孔,以使它们以相同/相似的尺寸填充圆圈？
图3扩张
第3步：找到并绘制每个点的质心.如图4所示,由于粗略图像处理,存在“环”的标记,并且一些点以两个白色像素示出.想要的结果应该只显示一个点的点和一个白色像素.
图4：质量中心
这是我的这3个步骤的代码.任何人都可以帮助我的工作做得更好吗？
#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include <stdlib.h> #include <stdio.h> #include <cv.h> #include <highgui.h> using namespace std; using namespace cv; // Global variables Mat src,edge,dilation; int dilation_size = 2; // Function header void thresh_callback(int,void*); int main(int argc,char* argv) { IplImage* img = cvLoadImage("c:\\dot1.bmp",0); // dot1.bmp = Fig. 1 // Perform canny edge detection cvCanny(img,img,33,100,3); // IplImage to Mat Mat imgMat(img); src = img; namedWindow("Step 1: Edge",CV_WINDOW_AUTOSIZE); imshow("Step 1: Edge",src); // Apply the dilation operation Mat element = getStructuringElement(2,Size(2 * dilation_size + 1,2 * dilation_size + 1),Point(dilation_size,dilation_size)); // dilation_type = MORPH_ELLIPSE dilate(src,dilation,element); // imwrite("c:\\dot1_dilate.bmp",dilation); namedWindow("Step 2: Dilation",CV_WINDOW_AUTOSIZE); imshow("Step 2: Dilation",dilation); thresh_callback( 0,0 ); waitKey(0); return 0; } /* function thresh_callback */ void thresh_callback(int,void*) { vector<vector<Point>> contours; vector<Vec4i> hierarchy; // Find contours findContours(dilation,contours,hierarchy,CV_RETR_TREE,CV_CHAIN_APPROX_SIMPLE,Point(0,0)); // Get the moments vector<Moments> mu(contours.size()); for(int i = 0; i < contours.size(); i++) { mu[i] = moments(contours[i],false); } // Get the mass centers vector<Point2f> mc(contours.size()); for(int i = 0; i < contours.size(); i++) { mc[i] = Point2f(mu[i].m10/mu[i].m00,mu[i].m01/mu[i].m00); } // Draw mass centers Mat drawing = Mat::zeros(dilation.size(),CV_8UC1); for( int i = 0; i< contours.size(); i++ ) { Scalar color = Scalar(255,255,255); line(drawing,mc[i],color,1,8,0); } namedWindow("Step 3: Mass Centers",CV_WINDOW_AUTOSIZE); imshow("Step 3: Mass Centers",drawing); }
解决方法
您可以采取一些措施来改善结果.要减少图像中的噪点,可以在应用Canny运算符之前应用中值模糊.这是一种常见的去噪技术.另外,尽量避免使用C API和IplImage.
cv::Mat img = cv::imread("c:\\dot1.bmp",0); // dot1.bmp = Fig. 1
cv::medianBlur(img,7);
// Perform canny edge detection
cv::Canny(img,100);
这可以显着减少边缘图像中的噪声量：
为了更好地保留点的原始大小,您可以使用较小的内核而不是扩张来执行一些形态学闭合迭代.这也会减少点与圆的连接：
// This replaces the call to dilate() cv::morphologyEx(src,MORPH_CLOSE,cv::noArray(),cv::Point(-1,-1),2);
这将使用3×3内核执行两次迭代,使用cv :: noArray()表示.
结果更清晰,点完全填满：
保持管道的其余部分不被修改会产生最终结果.圆圈中仍有一些虚假的质量中心,但比原始方法少得多：
如果您想尝试完全从结果中删除圆圈,可以尝试使用cv::HoughCircles()并调整参数,直到获得良好的结果.这可能会有一些困难,因为整个圆圈在图像中不可见,只有细分,但我建议你试一试.如果您确实检测到最里面的圆圈,则可以将其用作遮罩来过滤掉外部质量中心.
