1.2 检测和测量图像中的圆形目标
此示例说明如何自动检测图像中的圆形目标并可视化检测到的圆。
步骤 1：加载图像
读取并显示包含各种颜色的圆形塑料片的图像。除了有大量要检测的圆之外，从圆检测的角度来看，此图像还有一些有趣的特点：
有不同颜色的塑料片，它们相对于背景有不同对比度。一方面，蓝色和红色塑料片在此背景上形成强烈的对比。另一方面，一些黄色塑料片与背景的对比不明显。
请注意一些塑料片重叠在一起，而另一些塑料片则靠得很近，几乎互相接触。对于目标检测来说，场景中存在重叠的对象边缘和对象遮挡通常具有挑战性。
rgb = imread('coloredChips.png'); %加载图像
imshow(rgb);
title('coloredChips');
步骤 2：确定搜索圆的半径范围
使用 drawline 函数找到合适的圆半径范围。在塑料片的近似直径上绘制一条线。
rgb = imread('coloredChips.png'); %加载图像
imshow(rgb);
title('coloredChips');
d = drawline; %使用 drawline 函数找到合适的圆半径范围
pos = d.Position;
diffPos = diff(pos);
diameter = hypot(diffPos(1),diffPos(2));
步骤 3：寻找圆的初步尝试
imfindcircles 函数搜索符合半径范围的圆。搜索半径在 20 到 25 个像素范围内的圆。在此之前，最好要清楚对象是比背景亮还是比背景暗。要回答该问题，请看此图像的灰度版本。
rgb = imread('coloredChips.png'); %加载图像
subplot(1,2,1);
imshow(rgb);
title('coloredChips');
%d = drawline; %使用 drawline 函数找到合适的圆半径范围
% pos = d.Position;
% diffPos = diff(pos);
% diameter = hypot(diffPos(1),diffPos(2));
gray_image = rgb2gray(rgb); %转为灰度图像
subplot(1,2,2);
imshow(gray_image); %显示灰度图像
title('coloredChips灰度图');
背景相当亮，大多数塑料片比背景暗。但是，默认情况下，imfindcircles 会找到比背景亮的圆形目标。因此，在 imfindcircles 中将参数 ‘ObjectPolarity’ 设置为 ‘dark’ 以搜索较暗的圆。
>> [centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark') %在 imfindcircles 中将参数 'ObjectPolarity' 设置为 'dark' 以搜索较暗的圆centers =[]radii =[]请注意，输出 centers 和 radii 为空，这意味着未找到圆。这种情况经常发生，因为 imfindcircles 是圆形检测器，与大多数检测器类似，imfindcircles 有内部检测阈值决定其敏感度。简而言之，这意味着检测器对某个（圆形）检测的信心必须大于某个水平，才将其视为有效检测。imfindcircles 有参数 ‘Sensitivity’，可用于控制此内部阈值，从而控制算法的敏感度。较高的 ‘Sensitivity’ 值会将检测阈值设置得较低，并导致检测到更多圆。这类似于家庭安全系统中使用的运动检测器的敏感度控制。
步骤 4：提高检测敏感度
回到塑料片图像，在默认敏感度水平下，可能所有圆都低于内部阈值，因此未检测到圆。‘Sensitivity’ 是介于 0 和 1 之间的数字，默认设置为 0.85。将 ‘Sensitivity’ 提高到 0.9。
>> [centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark', 'Sensitivity',0.9) %将 'Sensitivity' 设置为 0.9centers =146.1895 198.5824328.8132 135.5883130.3134 43.8039175.2698 297.0583312.2831 192.3709327.1316 297.0077243.9893 166.4538271.5873 280.8920radii =23.160422.571022.957623.735622.955122.999522.905523.0298这次，imfindcircles 发现了一些圆 - 准确地说是八个。centers 包含圆心的位置，radii 包含这些圆的估计半径。
步骤 5：在图像上绘制圆
函数 viscircles 可用于在图像上绘制圆。来自 imfindcircles 的输出变量 centers 和 radii 可以直接传递给 viscircles。
rgb = imread('coloredChips.png'); %加载图像
subplot(2,2,1);
imshow(rgb);
title('coloredChips');[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark', 'Sensitivity',0.9);
subplot(2,2,2);
imshow(rgb);
h = viscircles(centers,radii); %在图像上绘制灵敏度为0.9时找到的圆
title('灵敏度为0.9时找到的圆');
a1 = length(centers) %计算找到绘制灵敏度为0.9时的圆的个数[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark', 'Sensitivity',0.92);
subplot(2,2,3);
imshow(rgb);
h = viscircles(centers,radii); %在图像上绘制灵敏度为0.92时找到的圆
title('灵敏度为0.92时找到的圆');
a2 = length(centers) %计算找到绘制灵敏度为0.92时的圆的个数[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark', 'Sensitivity',0.95);
subplot(2,2,4);
imshow(rgb);
h = viscircles(centers,radii); %在图像上绘制灵敏度为0.95时找到的圆
title('灵敏度为0.95时找到的圆');
a3 = length(centers) %计算找到绘制灵敏度为0.95时的圆的个数%计算结果
a1 =8a2 =16a3 =22
步骤 6：使用第二种方法（两阶段）寻找圆
此方法的结果看起来更好。imfindcircles 有两种不同寻找圆的方法。到当前为止，默认方法（称为相位编码方法）用于检测圆。在 imfindcircles 中还可以使用另一种方法，通常称为两阶段方法。使用两阶段方法并显示结果。
rgb = imread('coloredChips.png'); %加载图像
subplot(2,2,1);
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark', 'Sensitivity',0.9);
imshow(rgb);
h = viscircles(centers,radii); %用相位编码方法在图像上绘制灵敏度为0.9时找到的圆
title('相位编码方法：灵敏度为0.9时找到的圆');
a1 = length(centers) %计算相位编码方法找到绘制灵敏度为0.9时的圆的个数subplot(2,2,2);
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark', 'Sensitivity',0.9,'Method','twostage');
imshow(rgb);
h = viscircles(centers,radii); %用两阶段方法在图像上绘制灵敏度为0.9时找到的圆
title('两阶段方法：灵敏度为0.9时找到的圆');
a2 = length(centers) %计算两阶段方法找到绘制灵敏度为0.9时的圆的个数subplot(2,2,3);
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark', 'Sensitivity',0.92);
imshow(rgb);
h = viscircles(centers,radii); %用相位编码方法在图像上绘制灵敏度为0.92时找到的圆
title('相位编码方法：灵敏度为0.92时找到的圆');
a3 = length(centers) %计算相位编码方法找到绘制灵敏度为0.92时的圆的个数subplot(2,2,4);
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark', 'Sensitivity',0.92,'Method','twostage');
imshow(rgb);
h = viscircles(centers,radii); %用两阶段方法在图像上绘制灵敏度为0.92时找到的圆
title('两阶段方法：灵敏度为0.92时找到的圆');
a4 = length(centers) %计算两阶段方法找到绘制灵敏度为0.92时的圆的个数!%统计结果
a1 =8 %相位编码方法找到绘制灵敏度为0.9时的圆的个数为8个a2 =22 %两阶段方法找到绘制灵敏度为0.9时的圆的个数为22个a3 =16 %相位编码方法找到绘制灵敏度为0.92时的圆的个数为16个a4 =22 %两阶段方法找到绘制灵敏度为0.92时的圆的个数为22个
两阶段方法使用敏感度0.9和 0.92 检测更多圆。一般来说，这两种方法是互补的，因为它们有不同优点。相位编码方法通常比两阶段方法更快，抗噪声的稳定性稍强。但是，它也可能需要更高的 ‘Sensitivity’ 水平才能实现与两阶段方法相同数量的检测。例如，如果 ‘Sensitivity’ 水平提高到 0.95，相位编码方法也会找到相同的塑料片。
rgb = imread('coloredChips.png'); %加载图像
subplot(1,2,1);
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark', 'Sensitivity',0.95);
imshow(rgb);
h = viscircles(centers,radii); %用相位编码方法在图像上绘制灵敏度为0.95时找到的圆
title('相位编码方法：灵敏度为0.95时找到的圆');
a1 = length(centers) %计算相位编码方法找到绘制灵敏度为0.95时的圆的个数subplot(1,2,2);
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark', 'Sensitivity',0.95,'Method','twostage');
imshow(rgb);
h = viscircles(centers,radii); %用两阶段方法在图像上绘制灵敏度为0.95时找到的圆
title('两阶段方法：灵敏度为0.95时找到的圆');
a2 = length(centers) %计算两阶段方法找到绘制灵敏度为0.95时的圆的个数%统计结果
a1 =22 %相位编码方法找到绘制灵敏度为0.95时的圆的个数为22个a2 =22 %两阶段方法找到绘制灵敏度为0.95时的圆的个数为22个
请注意，imfindcircles 中的两种方法都能准确找到部分可见（遮挡）塑料片的中心和半径。
步骤 7：为什么有些圆仍检测不到？
查看最后一个结果，很奇怪 imfindcircles 没有在图像中找到黄色塑料片。黄色塑料片与背景的对比不够强烈。事实上，它们看起来和背景的强度非常相似。是不是黄色塑料片并没有想象中的那样比背景“更暗”？要确认这一点，请再次显示该图像的灰度版本。
步骤 8：在图像中找到“明亮”的圆
查看图像的灰度图，可发现与背景相比，黄色塑料片的强度几乎相同，甚至更亮。因此，要检测黄色塑料片，请将 ‘ObjectPolarity’ 更改为 ‘bright’。
rgb = imread('coloredChips.png'); %加载图像
subplot(1,2,1);
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','bright', 'Sensitivity',0.92);
imshow(rgb);
h = viscircles(centers,radii); %用相位编码方法在图像上绘制灵敏度为0.92时找到的圆
title('相位编码方法：灵敏度为0.92时找到的圆');
a1 = length(centers) %计算相位编码方法找到绘制灵敏度为0.92时的圆的个数subplot(1,2,2);
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','bright', 'Sensitivity',0.92,'Method','twostage');
imshow(rgb);
h = viscircles(centers,radii); %用两阶段方法在图像上绘制灵敏度为0.92时找到的圆
title('两阶段方法：灵敏度为0.92时找到的圆');
a2 = length(centers) %计算两阶段方法找到绘制灵敏度为0.92时的圆的个数%统计结果
a1 =3a2 =5
步骤 9：用不同颜色绘制 ‘Bright’ 圆
通过更改 viscircles 中的 ‘Color’ 参数，以不同颜色绘制明亮的圆。
h = viscircles(centers,radii,'Color','b'); %将上面程序中的代码改为此代码即可
请注意，找到了三个原先未检测到的黄色塑料片，但仍有黄色塑料片未检测到。这些黄色塑料片很难检测到，因为在这种背景下，它们没有呈现出与众不同。
步骤 10：降低 ‘EdgeThreshold’ 的值
在这里还可以使用 imfindcircles 中的另一个参数，即 ‘EdgeThreshold’。要查找圆，imfindcircles 仅使用图像中的边缘像素。这些边缘像素基本上是具有高梯度值的像素。‘EdgeThreshold’ 参数控制像素的梯度值必须有多高，才能将其视为边缘像素并包含在计算中。该参数的高值（更接近 1）只允许包含强边缘（较高梯度值），而低值（更接近 0）的宽容度更高，可在计算中包含较弱的边缘（较低梯度值）。对于检测不到黄色塑料片的情况，是因为对比度低，一些边界像素（在塑料片的圆周上）预期具有低梯度值。因此，请降低 ‘EdgeThreshold’ 参数，以确保黄色塑料片的大多数边缘像素都包含在计算中。
rgb = imread('coloredChips.png'); %加载图像
subplot(1,2,1);
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','bright', 'Sensitivity',0.92,'EdgeThreshold',0.1);
imshow(rgb);
h = viscircles(centers,radii,'Color','b'); %用相位编码方法在图像上绘制灵敏度为0.92时找到的圆
title('相位编码方法：灵敏度为0.92时找到的圆');
a1 = length(centers) %计算相位编码方法找到绘制灵敏度为0.92时的圆的个数subplot(1,2,2);
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','bright', 'Sensitivity',0.92,'Method','twostage','EdgeThreshold',0.1);
imshow(rgb);
h = viscircles(centers,radii,'Color','b'); %用两阶段方法在图像上绘制灵敏度为0.92时找到的圆
title('两阶段方法：灵敏度为0.92时找到的圆');
a2 = length(centers) %计算两阶段方法找到绘制灵敏度为0.92时的圆的个数%统计结果
a1 =5a2 =6
步骤 11：同时绘制“暗”和“亮”圆
现在 imfindcircles 找到了所有黄色圆，还找到了一个绿色圆。用蓝色绘制这些塑料片，用红色绘制之前发现的其他塑料片（‘ObjectPolarity’ 设置为 ‘dark’）。
用相位编码法找到的所有圆
**
rgb = imread('coloredChips.png'); %加载图像
%subplot(2,2,1);
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','bright', 'Sensitivity',0.92);
imshow(rgb);
h = viscircles(centers,radii,'color','b'); %用相位编码方法在图像上绘制灵敏度为0.92时找到"亮"圆
title('相位编码方法：灵敏度为0.92时找到的圆');
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark', 'Sensitivity',0.92);
h = viscircles(centers,radii); %找到"暗"圆
a1 = length(centers) %计算相位编码方法找到绘制灵敏度为0.92时的圆的个数%统计个数
a1 =16
用两阶段法找到的圆
rgb = imread('coloredChips.png'); %加载图像
%subplot(2,2,1);
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','bright', 'Sensitivity',0.92,'Method','twostage');
imshow(rgb);
h = viscircles(centers,radii,'color','b'); %用两阶段方法在图像上绘制灵敏度为0.92时找到"明"圆
title('两阶段方法：灵敏度为0.92时找到的圆');
[centers,radii] = imfindcircles(rgb,[20 25],'ObjectPolarity','dark', 'Sensitivity',0.92,'Method','twostage');
h = viscircles(centers,radii); %找到"暗"圆
a2 = length(centers) %计算两阶段方法找到绘制灵敏度为0.92时的圆的个数%统计结果
a2 = 22
1.2 检测和测量图像中的圆形目标相关推荐
- 计算机视觉与深度学习 | 检测和测量图像中的圆形目标（数钢筋）
================================================ 博主github:https://github.com/MichaelBeechan 博主CSDN:h ...
- matlab——识别图像中的圆形目标
文章目录 说明 Figure 1 imread函数 imshow函数 Figure 2 rgb2gray函数 graythresh函数 im2bw函数 figure函数 Figure 3 bwarea ...
- 自动检测图像中的圆形或圆形对象
文章目录 加载图像 确定搜索圈的半径范围 初步尝试查找圆形 提高检测灵敏度 在图像上绘制圆圈 使用第二种方法(两阶段)寻找圆圈 为什么有些圈子仍然被错过? 在图像中找到"明亮"的圆 ...
- 使用OpenCV测量图像中物体的大小
本文翻译自pyimagesearch技术博客上的一篇文章,<Measuring size of objects in an image with OpenCV>,原文作者:Adrian R ...
- Python+opencv 机器视觉 - 基于霍夫圈变换算法检测图像中的圆形实例演示
Python+opencv 机器视觉 - 基于霍夫圈变换算法检测图像中的圆形实例演示 第一章:霍夫变换检测圆 ① 实例演示1 ② 实例演示2 ③ 霍夫变换函数解析 第二章:Python + openc ...
- python图像计数_检测并计数图像中的对象
我试图用python编写一个脚本来检测和计算图像中的对象,但我失败得很惨.在 这是我第一次对计算机视觉感兴趣并尝试一些东西.我已经尝试过使用cv2模块(opencv),遵循关于特征匹配和模板匹配的教程 ...
- 遥感图像中的小样本目标检测：Few-shot Object Detection on Remote SensingImages
论文下载:https://arxiv.org/pdf/2006.07826v2.pdf Abstract 在本文中,我们处理遥感图像上的目标检测问题.以前的方法已经发展了许多基于深度卷积的遥感图像目标 ...
- MATLAB#183;提取图像中多个目标
基于matlab工具箱提取图像中的多目标特征(代码如下): 代码前面部分为提取图像的边界信息,调用了后面的遍历函数Pixel_Search,函数实现方法见后~ %%ROI Testing close ...
- C#使用OpenCV剪切图像中的圆形和矩形
前言 本文主要介绍如何使用OpenCV剪切图像中的圆形和矩形. 准备工作 首先创建一个Wpf项目--WpfOpenCV,这里版本使用Framework4.7.2. 然后使用Nuget搜索[Emgu.C ...
最新文章
- XXL-JOB v2.0.1 发布，分布式任务调度平台
- 基本概念之dos和cmd的区别
- Ubuntu14.04下Neo4j图数据库官网安装部署步骤（图文详解）（博主推荐）
- leetcode 792. Number of Matching Subsequences | 792. 匹配子序列的单词数（Java）
- vs2008安装_Visual Studio2008安装教程
- 阅读gulp源码小结
- Druid 不仅仅是一个数据库连接池
- CSDN 的 Markdown 编辑器语法
- Java ee和Java se的区别
- Kindle Paperwhite3入手20天感受
- android仿qq聊天界面版带表情、相册、照相
- 三分钟教会你微信炸一炸，满屏粑粑也太可爱了！
- MySQL 三个排序方法 row_number()、rank()、dense_rank()
- Python+PyCharm+PyTorch+Cuda/GPU 安装步骤
- 让CEF支持HEVC(H.265)视频播放
- 2021，前端月薪30K已是白菜价？
- iPhone上实现流媒体播放器
- OpenCV | Mat类的copyT、clone、=赋值的区别
- mysql 游戏背包_MySQL实战技能包
- 5000英镑就可买到控制美国核武库的同款IBM电脑