Виявлення кола в галасливих даних зображення

У мене є зображення, схоже на наведене нижче:

Я намагаюся знайти радіус (або діаметр) кола. Я спробував використовувати кругову трансформацію Хоффа (через matlab's imfindcircles(bw,[rmin rmax],'ObjectPolarity','bright')) і підлаштовуючись до кола або еліпса (домашня функція, яка працює досить добре для менш галасливих даних, див. Нижче).

Я також спробував обробити зображення, щоб отримати більш чітке коло, наприклад, див. Нижче:

se = strel('disk', 2);
bw = imdilate(bw, se);
bw = bwareaopen(bw,100000); 
bw =  edge(bw); 

Однак, коли я подаю оброблене зображення будь-якою технікою (підганяння Хофа і кола \ еліпса), жодна з них не вдається виявити коло гідним способом.

Ось фрагмент коду пошуку кола, який я написав (matlab) [рядок col] = find (bw); contour = bwtraceboundary (bw, рядок (1), col (1)], 'N', підключення, num_points);

    x = contour(:,2);
    y = contour(:,1);

    % solve for parameters a, b, and c in the least-squares sense by
    % using the backslash operator
    abc = [x y ones(length(x),1)] \ -(x.^2+y.^2);
    a = abc(1); b = abc(2); c = abc(3);

    % calculate the location of the center and the radius
    xc = -a/2;
    yc = -b/2;
    radius  =  sqrt((xc^2+yc^2)-c);

Альтернативні підходи будуть оцінені ...

Ось моє рішення, воно близьке до ідеї @ Yoda, але я змінив деякі кроки.

• Позначте всі пікселі таким чином, щоб у їх сусідньому районі 7x7 було принаймні 6 пікселів
• Видаліть всі краплі, але найбільші
• Заповніть отвори
• Застосувати виявлення ребер
• Знайдіть коло за допомогою перетворення Хоф

Ось відповідний код Matlab. Я використовую перетворення Hough для .m-файлу в колах .

function FindCircle()
    close all;
    im = imread('C:\circle.png');
    im = im(:,:,2);

    ims = conv2(double(im), ones(7,7),'same');
    imbw = ims>6;
    figure;imshow(imbw);title('All pixels that there are at least 6 white pixels in their hood');

    props = regionprops(imbw,'Area','PixelIdxList','MajorAxisLength','MinorAxisLength');
    [~,indexOfMax] = max([props.Area]);
    approximateRadius =  props(indexOfMax).MajorAxisLength/2;

    largestBlobIndexes  = props(indexOfMax).PixelIdxList;
    bw = false(size(im));
    bw(largestBlobIndexes) = 1;
    bw = imfill(bw,'holes');
    figure;imshow(bw);title('Leaving only largest blob and filling holes');
    figure;imshow(edge(bw));title('Edge detection');

    radiuses = round ( (approximateRadius-5):0.5:(approximateRadius+5) );
    h = circle_hough(edge(bw), radiuses,'same');
    [~,maxIndex] = max(h(:));
    [i,j,k] = ind2sub(size(h), maxIndex);
    radius = radiuses(k);
    center.x = j;
    center.y = i;

    figure;imshow(edge(bw));imellipse(gca,[center.x-radius  center.y-radius 2*radius 2*radius]);
    title('Final solution (Shown on edge image)');

    figure;imshow(im);imellipse(gca,[center.x-radius  center.y-radius 2*radius 2*radius]);
    title('Final solution (Shown on initial image)');

end

Це досить просто зробити за допомогою обробки зображень. Далі наведено доказ концепції в Mathematica . Вам доведеться перекласти його на MATLAB.

• По-перше, обріжте осі і збережіть лише зображення його частини. Я називаю цю змінну img.

• Бінаризуйте зображення та розширіть його з подальшим перетворенням заповнення. Я також видаляю збиті дрібні компоненти, які не підключені до основної плівки. Він повинен дати вам щось на зразок наступного:

  filled = Binarize@img ~Dilation~ 3 // FillingTransform // DeleteSmallComponents
  

  

• Далі знайдіть центроїд цієї краплі та еквівалентний радіус диска краплі (openCV, MATLAB всі мають еквівалентні команди для цього)

  {center, radius} = 1 /. ComponentMeasurements[filled, {"Centroid", "EquivalentDiskRadius"}]
  

• Це воно! Тепер побудуйте оригінальне зображення та коло із зазначеним вище центром та радіусом, щоб побачити, як воно підходить:

  Show[img, Graphics[{Red, Circle[center, radius]}]]