Обнаружение касательных/перекрывающихся кругов/эллипсов с помощью OpenCV и Python

Я хочу измерить округлость окружностей (разность "высоты", "ширина" или "эллипс" параметров). Круги даны на фотографиях, как показано здесь:

После обычных вещей, таких как color2gray, пороговое и пограничное обнаружение, я получаю следующее изображение, как показано:

С этим я уже пробовал много разных вещей:

Элемент списка Watershed с findContour (аналогично этот вопрос) → openCV обнаруживает пространство между кругами как замкнутый контур, а не круги, поскольку они склеиваются не образуя замкнутый контур
та же проблема с fitEllipse. Я получаю эллипсы, установленные на контуре черного фона, а не между ними.
просто пытается применить преобразование hough (как в коде и третьем показанном рисунке), а приводит к странным результатам:

Смотрите код здесь:

import sys
import cv2
import numpy
from scipy.ndimage import label

# Application entry point
#img = cv2.imread("02_adj_grey.jpg")
img = cv2.imread("fuss02.jpg")

# Pre-processing.
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)    
cv2.imwrite("SO_0_gray.png", img_gray)

#_, img_bin = cv2.threshold(img_gray, 0, 255, cv2.THRESH_OTSU | cv2.THRESH_BINARY)
_, img_bin = cv2.threshold(img_gray, 170, 255, cv2.THRESH_BINARY)
cv2.imwrite("SO_1_threshold.png", img_bin)

#blur = cv2.GaussianBlur(img,(5,5),0)
img_bin = cv2.morphologyEx(img_bin, cv2.MORPH_CLOSE, numpy.ones((3, 3), dtype=int))
cv2.imwrite("SO_2_img_bin_morphoEx.png", img_bin)

border = img_bin - cv2.erode(img_bin, None)
cv2.imwrite("SO_3_border.png", border)


circles = cv2.HoughCircles(border,cv2.cv.CV_HOUGH_GRADIENT,50,80, param1=80,param2=40,minRadius=10,maxRadius=150)
print circles

cimg = img
for i in circles[0,:]:
# draw the outer circle
    cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)
    # draw the center of the circle
    cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)
    cv2.putText(cimg,str(i[0])+str(',')+str(i[1]), (i[0],i[1]), cv2.FONT_HERSHEY_SIMPLEX, 0.4, 255)

cv2.imwrite("SO_8_cimg.png", cimg)

Есть ли у кого-то идея улучшить мой алгоритм или совершенно другой подход? Я пробовал много разных подходов, но пока не повезло. Спасибо всем за вашу помощь.

double min, max; Point maxLoc; Mat im = imread("04Bxy.jpg"); Mat hsv; Mat channels[3]; // bgr -> hsv cvtColor(im, hsv, CV_BGR2HSV); split(hsv, channels); // use v channel for processing Mat& ch = channels[2]; // apply Otsu thresholding Mat bw; threshold(ch, bw, 0, 255, CV_THRESH_BINARY | CV_THRESH_OTSU); // close small gaps Mat kernel = getStructuringElement(MORPH_ELLIPSE, Size(3, 3)); Mat morph; morphologyEx(bw, morph, CV_MOP_CLOSE, kernel); // take distance transform Mat dist; distanceTransform(morph, dist, CV_DIST_L2, CV_DIST_MASK_PRECISE); // add a black border to distance transformed image. we are going to do // template matching. to get a good match for circles in the margin, we are adding a border int borderSize = 75; Mat distborder(dist.rows + 2*borderSize, dist.cols + 2*borderSize, dist.depth()); copyMakeBorder(dist, distborder, borderSize, borderSize, borderSize, borderSize, BORDER_CONSTANT | BORDER_ISOLATED, Scalar(0, 0, 0)); // create a template. from the sizes of the circles in the image, // a ~75 radius disk looks reasonable, so the borderSize was selected as 75 Mat distTempl; Mat kernel2 = getStructuringElement(MORPH_ELLIPSE, Size(2*borderSize+1, 2*borderSize+1)); // erode the ~75 radius disk a bit erode(kernel2, kernel2, kernel, Point(-1, -1), 10); // take its distance transform. this is the template distanceTransform(kernel2, distTempl, CV_DIST_L2, CV_DIST_MASK_PRECISE); // match template Mat nxcor; matchTemplate(distborder, distTempl, nxcor, CV_TM_CCOEFF_NORMED); minMaxLoc(nxcor, &min, &max); // threshold the resulting image. we should be able to get peak regions. // we'll locate the peak of each of these peak regions Mat peaks, peaks8u; threshold(nxcor, peaks, max*.5, 255, CV_THRESH_BINARY); convertScaleAbs(peaks, peaks8u); // find connected components. we'll use each component as a mask for distance transformed image, // then extract the peak location and its strength. strength corresponds to the radius of the circle vector<vector<Point>> contours; vector<Vec4i> hierarchy; findContours(peaks8u, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE, Point(0, 0)); for(int idx = 0; idx >= 0; idx = hierarchy[idx][0]) { // prepare the mask peaks8u.setTo(Scalar(0, 0, 0)); drawContours(peaks8u, contours, idx, Scalar(255, 255, 255), -1); // find the max value and its location in distance transformed image using mask minMaxLoc(dist, NULL, &max, NULL, &maxLoc, peaks8u); // draw the circles circle(im, maxLoc, (int)max, Scalar(0, 0, 255), 2); }

import cv2 im = cv2.imread('04Bxy.jpg') hsv = cv2.cvtColor(im, cv2.COLOR_BGR2HSV) th, bw = cv2.threshold(hsv[:, :, 2], 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)) morph = cv2.morphologyEx(bw, cv2.MORPH_CLOSE, kernel) dist = cv2.distanceTransform(morph, cv2.cv.CV_DIST_L2, cv2.cv.CV_DIST_MASK_PRECISE) borderSize = 75 distborder = cv2.copyMakeBorder(dist, borderSize, borderSize, borderSize, borderSize, cv2.BORDER_CONSTANT | cv2.BORDER_ISOLATED, 0) gap = 10 kernel2 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (2*(borderSize-gap)+1, 2*(borderSize-gap)+1)) kernel2 = cv2.copyMakeBorder(kernel2, gap, gap, gap, gap, cv2.BORDER_CONSTANT | cv2.BORDER_ISOLATED, 0) distTempl = cv2.distanceTransform(kernel2, cv2.cv.CV_DIST_L2, cv2.cv.CV_DIST_MASK_PRECISE) nxcor = cv2.matchTemplate(distborder, distTempl, cv2.TM_CCOEFF_NORMED) mn, mx, _, _ = cv2.minMaxLoc(nxcor) th, peaks = cv2.threshold(nxcor, mx*0.5, 255, cv2.THRESH_BINARY) peaks8u = cv2.convertScaleAbs(peaks) contours, hierarchy = cv2.findContours(peaks8u, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE) peaks8u = cv2.convertScaleAbs(peaks) # to use as mask for i in range(len(contours)): x, y, w, h = cv2.boundingRect(contours[i]) _, mx, _, mxloc = cv2.minMaxLoc(dist[y:y+h, x:x+w], peaks8u[y:y+h, x:x+w]) cv2.circle(im, (int(mxloc[0]+x), int(mxloc[1]+y)), int(mx), (255, 0, 0), 2) cv2.rectangle(im, (x, y), (x+w, y+h), (0, 255, 255), 2) cv2.drawContours(im, contours, i, (0, 0, 255), 2) cv2.imshow('circles', im)

Ответ 1