不重叠的圆检测

Question

我想这样做的条件下，圆检测：重叠的圈子将会被算作1圈。

特别是，当我做圆检测，并把字母“P”，以每圈（实际上他们是花粉，或圆圈状物体）下面图像

它成为

（同一张照片，但我不知道为什么它转到水平，当我上载这里）

但我只想每个圆圈1个字母P。调整半径也许是个好主意，但我仍然有很多其他的照片去了，所以我希望有忽略重叠的方法。

这里是我的代码：

import cv2
import numpy as np


path = "./sample.JPG"
font = cv2.FONT_HERSHEY_COMPLEX



def image_resize(image, width = None, height = None, inter = cv2.INTER_AREA):
    # initialize the dimensions of the image to be resized and
    # grab the image size
    dim = None
    (h, w) = image.shape[:2]

    # if both the width and height are None, then return the
    # original image
    if width is None and height is None:
        return image

    # check to see if the width is None
    if width is None:
        # calculate the ratio of the height and construct the
        # dimensions
        r = height / float(h)
        dim = (int(w * r), height)

    # otherwise, the height is None
    else:
        # calculate the ratio of the width and construct the
        # dimensions
        r = width / float(w)
        dim = (width, int(h * r))

    # resize the image
    resized = cv2.resize(image, dim, interpolation = inter)

    # return the resized image
    return resized


# In[22]:

iml = cv2.imread(path,cv2.IMREAD_COLOR)
img = image_resize(iml,width=960)


cimg = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cimg = cv2.medianBlur(cimg,5)

#Circle detection to detect pollen in big images, return the center's coordinates and radius of circles in array
circles = cv2.HoughCircles(cimg,cv2.HOUGH_GRADIENT,1,10,param1=15,param2=20,minRadius=10,maxRadius=25)
circles = np.uint16(np.around(circles))[0,:]


for i in circles:
     cv2.putText(img,'P',(i[0],i[1]), font, 0.5,(0,0,255),1,cv2.LINE_AA)

cv2.imwrite("./output.jpg",img)

Answer 1

我建议使用轮廓代替。但是，如果你想使用HoughCircles，看在function的第四个参数。改变这个，我可以摆脱交迭。此外，我调整比特的参数在HoughCircles功能精明阈直到我得到所期望的结果。我建议来作出结论之前，了解这些参数井。

码：

import cv2
import numpy as np

arr = cv2.imread("U:/SO/032OR.jpg")
print(arr.shape)
imggray = cv2.cvtColor(arr, cv2.COLOR_BGR2GRAY)
# Not median blur 
imggray = cv2.GaussianBlur(imggray, (9,9),3)

circles_norm = cv2.HoughCircles(imggray, cv2.HOUGH_GRADIENT, 1, imggray.shape[0]/16, 
                                param1=20, param2=8, minRadius=15, maxRadius=30)
circles_norm = np.uint16(np.around(circles_norm))[0,:]

for i in circles_norm:
    center = (i[0], i[1])
    cv2.putText(arr, 'P', (i[0], i[1]), cv2.FONT_HERSHEY_COMPLEX, 0.5, 
               (0,0,255),1,cv2.LINE_AA)

结果：

Answer 2

如果我这样做，我不会用HoughCircles而是尝试：

1）光滑，摆脱一些噪音 2）阈值，以产生二进制掩模 3）轮廓，其中每个轮廓是检测到的花粉。

简单，但我认为它应该工作。

Answer 3

（1）阈值使用OTSU然后再次调整脱粒vaule

（2）求出的二值图像上的外部轮廓，通过过滤面积轮廓，然后找到minClosingCircle。

就是这个：