检测图像上的硬币(和椭圆形)

我目前正在一个项目中,尝试检测位于平面(即桌子)上的几枚硬币。硬币不会重叠,也不会被其他物体隐藏。但是,可能还有其他物体可见,并且照明条件可能并不完美…基本上,请考虑一下自己拍摄的桌子上放着一些硬币。

因此,每个点都应显示为椭圆形。由于我不知道相机的位置,椭圆的形状可能会有所不同,从圆形(从顶部看)到平坦的椭圆,具体取决于硬币拍摄的角度。

我的问题是我不确定如何提取硬币并最终将椭圆装在硬币上(我正在寻找进行进一步的计算)。

现在,我刚刚通过在OpenCV中设置阈值,使用findContours()获取轮廓线并拟合椭圆进行了首次尝试。不幸的是,轮廓线很少能给我硬币的形状(反射,光线不足等),而且由于我不想用户设置任何阈值,因此也不优选这种方式。

另一个想法是在该图像上使用椭圆的模板匹配方法,但是由于我既不知道相机的角度也不知道椭圆的大小,所以我认为这不太好…

所以我想问问是否有人可以告诉我一种适用于我的情况的方法。

有没有一种快速的方法可以从图像中提取三个硬币?计算应该在移动设备上实时进行,并且该方法对于不同的或变化的灯光或背景颜色不应太敏感。

如果有人可以给我提示哪种方法适合我的方法,那就太好了。

回答:

这是一些实现传统方法(基于OpenCV doco)的C99源代码:

#include "cv.h"

#include "highgui.h"

#include <stdio.h>

#ifndef M_PI

#define M_PI 3.14159265358979323846

#endif

//

// We need this to be high enough to get rid of things that are too small too

// have a definite shape. Otherwise, they will end up as ellipse false positives.

//

#define MIN_AREA 100.00

//

// One way to tell if an object is an ellipse is to look at the relationship

// of its area to its dimensions. If its actual occupied area can be estimated

// using the well-known area formula Area = PI*A*B, then it has a good chance of

// being an ellipse.

//

// This value is the maximum permissible error between actual and estimated area.

//

#define MAX_TOL 100.00

int main( int argc, char** argv )

{

IplImage* src;

// the first command line parameter must be file name of binary (black-n-white) image

if( argc == 2 && (src=cvLoadImage(argv[1], 0))!= 0)

{

IplImage* dst = cvCreateImage( cvGetSize(src), 8, 3 );

CvMemStorage* storage = cvCreateMemStorage(0);

CvSeq* contour = 0;

cvThreshold( src, src, 1, 255, CV_THRESH_BINARY );

//

// Invert the image such that white is foreground, black is background.

// Dilate to get rid of noise.

//

cvXorS(src, cvScalar(255, 0, 0, 0), src, NULL);

cvDilate(src, src, NULL, 2);

cvFindContours( src, storage, &contour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0));

cvZero( dst );

for( ; contour != 0; contour = contour->h_next )

{

double actual_area = fabs(cvContourArea(contour, CV_WHOLE_SEQ, 0));

if (actual_area < MIN_AREA)

continue;

//

// FIXME:

// Assuming the axes of the ellipse are vertical/perpendicular.

//

CvRect rect = ((CvContour *)contour)->rect;

int A = rect.width / 2;

int B = rect.height / 2;

double estimated_area = M_PI * A * B;

double error = fabs(actual_area - estimated_area);

if (error > MAX_TOL)

continue;

printf

(

"center x: %d y: %d A: %d B: %d\n",

rect.x + A,

rect.y + B,

A,

B

);

CvScalar color = CV_RGB( rand() % 255, rand() % 255, rand() % 255 );

cvDrawContours( dst, contour, color, color, -1, CV_FILLED, 8, cvPoint(0,0));

}

cvSaveImage("coins.png", dst, 0);

}

}

给定Carnieri提供的二进制映像,这是输出:

./opencv-contour.out coin-ohtsu.pbm

center x: 291 y: 328 A: 54 B: 42

center x: 286 y: 225 A: 46 B: 32

center x: 471 y: 221 A: 48 B: 33

center x: 140 y: 210 A: 42 B: 28

center x: 419 y: 116 A: 32 B: 19

这是输出图像:

硬币

您可以改善的地方:

处理不同的椭圆方向(当前,我假设轴是垂直/水平的)。使用图像矩将不难做到。

检查对象的凸度(看一下cvConvexityDefects)

区分硬币和其他物体的最佳方法可能是通过形状。我无法想到其他任何低级图像功能(颜色显然不可用)。因此,我可以想到两种方法:

传统物体检测

您的第一个任务是从背景中分离对象(硬币和非硬币)。如Carnieri所建议的,Ohtsu的方法将在这里很好地工作。您似乎担心图像是两部分的,但我认为这不会成为问题。只要可以看到大量办公桌,就可以保证直方图中有一个峰值。只要桌子上有几个视觉上可区分的物体,就可以确保您达到第二个高峰。

扩展您的二进制图像几次,以消除阈值留下的噪声。硬币相对较大,因此它们应能经受这种形态学操作。

使用区域增长将白色像素分组为对象-只是迭代地连接相邻的前景像素。在此操作结束时,您将获得不相交对象的列表,并且将知道每个对象占用哪些像素。

根据此信息,您将知道对象的宽度和高度(从上一步开始)。因此,现在您可以估计围绕对象的椭圆的大小,然后查看此特定对象与椭圆的匹配程度。仅使用宽度与高度之比可能会更容易。

另外,您也可以使用力矩以更精确的方式确定物体的形状。

以上是 检测图像上的硬币(和椭圆形) 的全部内容, 来源链接: utcz.com/qa/411973.html

回到顶部