python + cv2 - 确定图像中亮点的半径

如何解决python + cv2 - 确定图像中亮点的半径

我已经有了可以检测图像中最亮点的代码（只是高斯模糊 + 找到最亮的像素）。我正在处理日落照片，现在很容易得到这样的结果：

我的问题是圆的半径与我使用的高斯模糊程度有关 - 我想让半径反映照片中太阳的大小（我有一个约 500 日落的数据集我正在尝试处理的照片）。

这是一张没有圆圈的图片：

我什至不知道从哪里开始，我缺乏传统的计算机视觉知识。如果我没有得到答案，我可能会尝试做一些事情，例如计算从圆心到最近边缘的距离（使用精明的边缘检测） - 如果有更好的方法请告诉我。感谢阅读

解决方法

这是在 Python/OpenCV 中获得代表性圆的一种方法。它找到最小的封闭圆。

• 读取输入
• 裁剪右侧的白色
• 转换为灰色
• 应用中值过滤
• 做 Canny 边缘检测
• 获取所有白色像素（canny边缘）的坐标
• 计算最小封闭圆以获得圆心和半径
• 在输入的副本上以该中心和半径绘制一个圆
• 保存结果

输入：

import cv2
import numpy as np

# read image as grayscale
img = cv2.imread('sunset.jpg')
hh,ww = img.shape[:2]

# shave off white region on right side
img = img[0:hh,0:ww-2]

# convert to gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# median filter
median = cv2.medianBlur(gray,3)

# do canny edge detection
canny = cv2.Canny(median,100,200)

# get canny points
# numpy points are (y,x)
points = np.argwhere(canny>0)

# get min enclosing circle
center,radius = cv2.minEnclosingCircle(points)
print('center:',center,'radius:',radius)

# draw circle on copy of input
result = img.copy()
x = int(center[1])
y = int(center[0])
rad = int(radius)
cv2.circle(result,(x,y),rad,(255,255,255),1)

# write results
cv2.imwrite("sunset_canny.jpg",canny)
cv2.imwrite("sunset_circle.jpg",result)

# show results
cv2.imshow("median",median)
cv2.imshow("canny",canny)
cv2.imshow("result",result)
cv2.waitKey(0)

精明的边缘：

结果圆：

center: (265.5,504.5) radius: 137.57373046875

替代

将椭圆拟合到 Canny 点，然后得到圆半径的两个椭圆半径的平均值。请注意 Canny 参数的细微变化，以仅获取日落的顶部。

import cv2
import numpy as np

# read image as grayscale
img = cv2.imread('sunset.jpg')
hh,250)

# transpose canny image to compensate for following numpy points as y,x
canny_t = cv2.transpose(canny)

# get canny points
# numpy points are (y,x)
points = np.argwhere(canny_t>0)

# fit ellipse and get ellipse center,minor and major diameters and angle in degree
ellipse = cv2.fitEllipse(points)
(x,(d1,d2),angle = ellipse
print('center: (',x,y,')','diameters: (',d1,d2,')')

# draw ellipse
result = img.copy()
cv2.ellipse(result,(int(x),int(y)),(int(d1/2),int(d2/2)),angle,360,(0,0),1)

# draw circle on copy of input of radius = half average of diameters = (d1+d2)/4
rad = int((d1+d2)/4)
xc = int(x)
yc = int(y)
print('center: (',xc,yc,rad)
cv2.circle(result,(xc,yc),1)

# write results
cv2.imwrite("sunset_canny_ellipse.jpg",canny)
cv2.imwrite("sunset_ellipse_circle.jpg",result)
cv2.waitKey(0)

Canny Edge 图片：

在输入上绘制的椭圆和圆：

,

首先使用 Canny edge。然后在边缘图像上尝试霍夫圆或霍夫椭圆。这些是蛮力方法，因此它们会很慢，但它们可以抵抗非圆形或非椭圆形轮廓。您可以轻松过滤结果，使检测结果的中心靠近最亮点。此外，了解太阳的估计大小将有助于提高计算速度。

您还可以考虑使用 cv2.findContours 和 cv2.approxPolyDP 从图像中提取连续轮廓。您可以按周长和形状进行过滤，然后进行最小二乘拟合或霍夫拟合。

编辑

在 Canny 边缘检测之前尝试强度过滤器可能是值得的。我怀疑它会大大清理边缘图像。