c++ - Opencv:边缘检测、膨胀和质量中心绘图

Question

我的工作是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张原图

第 1 步:检测每个对象的边缘，包括点和我想删除以获得更好性能的“环”。边缘检测的结果如图2所示。我使用了 Canny 边缘检测器，但它不能很好地处理一些浅灰色的点。 我的第一个问题是如何闭合点的轮廓并尽可能减少其他噪声？

图。 2 边缘检测

第 2 步:膨胀每个对象。没找到好的填洞方法，就直接扩孔了。如图 3 所示，孔似乎被放大了太多，其他噪声也是如此。 我的第二个问题是如何填充或扩大孔以使它们成为相同/相似大小的填充圆？

图。 3 膨胀

第 3 步:找到并画出每个点的质心。如图4所示，由于图像处理粗糙，存在“环”的痕迹，部分圆点显示在两个白色像素中。 想要的结果应该只显示点和一个点的一个白色像素。

图。 4:质量中心

这是这 3 个步骤的代码。谁能帮助我改进工作？

#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], mc[i], color, 1, 8, 0);
    }

    namedWindow("Step 3: Mass Centers", CV_WINDOW_AUTOSIZE);
    imshow("Step 3: Mass Centers", drawing);
}

Answer 1

您可以采取一些措施来改善结果。要减少图像中的噪声，您可以在应用 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, img, 7);

    // Perform canny edge detection
    cv::Canny(img, img, 33, 100);

这显着减少了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几次形态学闭合迭代。这也将减少点与圆的连接:

// This replaces the call to dilate()
cv::morphologyEx(src, dilation, MORPH_CLOSE, cv::noArray(),cv::Point(-1,-1),2);

这将使用 3x3 内核执行两次迭代，使用 cv::noArray() 表示。

结果更干净，点被完全填满:

保留管道的其余部分不变即可得到最终结果。仍然有一些来自圆的虚假质心，但比原来的方法少得多:

如果您想尝试从结果中完全删除圆圈，您可以尝试使用 cv::HoughCircles()并调整参数，直到得到好的结果。这可能会有一些困难，因为整个圆圈在图像中是不可见的，只有片段，但我建议您尝试一下。如果您确实检测到最里面的圆，您可以将它用作掩码来过滤掉外部质量中心。