OpenCV中使用EdgeDrawing模块查找圆

从OpenCV4.5.2开始,Contrib模块中封装了开源库ED_Lib用于查找图像中的直线、线段、椭圆和圆。Github地址:

https://github.com/CihanTopal/ED_Lib

算法原理简介:

边缘绘制(ED)算法是一种解决边缘检测问题的主动方法。与许多其他遵循减法方法的现有边缘检测算法相比(即在图像上应用梯度滤波器后,根据多种规则消除像素,例如 Canny 中的非极大值抑制和滞后),ED 算法通过加法策略工作,即逐一选取边缘像素,因此称为"边缘绘制"。然后我们处理这些随机形状的边缘段以提取更高级别的边缘特征,即直线、圆、椭圆等。从阈值梯度幅度中提取边缘像素的流行方法是非极大值抑制,它测试每个像素是否具有最大值沿其梯度方向的梯度响应,如果没有则消除。然而,此方法不检查相邻像素的状态,因此可能会导致低质量(在边缘连续性、平滑度、薄度、定位方面)边缘片段。ED 不是非极大值抑制,而是指向一组边缘像素,并通过最大化边缘段的总梯度响应来将它们连接起来。因此,它可以提取高质量的边缘片段,而不需要额外的滞后步骤。

OpenCV中使用介绍文档:

https://docs.opencv.org/4.9.0/d1/d1c/classcv_1_1ximgproc_1_1EdgeDrawing.html

Python中使用演示:

python 复制代码
from __future__ import print_function
import numpy as np
import cv2 as cv
import random as rng
import sys

rng.seed(12345)


def main():
    try:
        fn = sys.argv[1]
    except IndexError:
        fn = 'Image1.png'

    # 读取图像
    src = cv.imread(cv.samples.findFile(fn))
    if src is None:
        print(f"Error: Unable to load image '{fn}'")
        return

    # 转换为灰度图像
    gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

    # 创建边缘绘制器
    ed = cv.ximgproc.createEdgeDrawing()

    # 设置边缘绘制参数
    EDParams = cv.ximgproc_EdgeDrawing_Params()
    EDParams.MinPathLength = 50
    EDParams.PFmode = False
    EDParams.MinLineLength = 20
    EDParams.NFAValidation = True
    ed.setParams(EDParams)

    # 检测边缘
    ed.detectEdges(gray)

    # 获取边缘段、直线和椭圆
    segments = ed.getSegments()
    lines = ed.detectLines()
    ellipses = ed.detectEllipses()

    # 绘制检测到的边缘段
    ssrc = src.copy() * 0  # 创建黑色背景图像用于绘制边缘段
    for i in range(len(segments)):
        color = (rng.randint(0, 256), rng.randint(0, 256), rng.randint(0, 256))
        cv.polylines(ssrc, [segments[i]], isClosed=False, color=color, thickness=1, lineType=cv.LINE_8)

    # 绘制检测到的直线
    lsrc = src.copy()  # 创建原始图像的副本用于绘制直线
    if lines is not None:
        lines = np.uint16(np.around(lines))
        for i in range(len(lines)):
            cv.line(lsrc, tuple(lines[i][0][0:2]), tuple(lines[i][0][2:4]), (0, 0, 255), 1, cv.LINE_AA)

    # 绘制检测到的椭圆和圆
    esrc = src.copy()  # 创建原始图像的副本用于绘制椭圆和圆
    if ellipses is not None:
        for ellipse in ellipses:
            center = tuple(map(int, ellipse[0][0:2]))
            major_axis = int(ellipse[0][2])
            minor_axis = int(ellipse[0][3]) if ellipse[0][2] != ellipse[0][3] else 0  # 如果长短轴相等,则视为圆,minor_axis设为0
            angle = ellipse[0][4]
            color = (0, 0, 255) if minor_axis != 0 else (0, 255, 0)  # 非圆用红色,圆用绿色
            axes = (major_axis // 2, minor_axis // 2) if minor_axis != 0 else (
            major_axis // 2, major_axis // 2)  # 转换为半径
            cv.ellipse(esrc, center, axes, angle, 0, 360, color, 2, cv.LINE_AA)

    # 显示图像
    cv.imshow("Source Image", src)
    cv.imshow("Detected Edge Segments", ssrc)
    if lines is not None:
        cv.imshow("Detected Lines", lsrc)
    if ellipses is not None:
        cv.imshow("Detected Ellipses and Circles", esrc)

    # 等待用户按下任意键
    cv.waitKey(0)

    # 清理
    cv.destroyAllWindows()


if __name__ == '__main__':
    print(__doc__)
    main()

示例图

相关推荐
泯泷6 小时前
为什么 RL 比 SFT 更会"举一反三"?
人工智能·llm·agent
上海潭龙东海科技有限公司6 小时前
客运站管控之动态孪生技术方案(新增一屏管控模块
数据仓库·人工智能·算法·重构·动态规划
民乐团扒谱机7 小时前
Agent-Skills 新手入门与实战部署指南
人工智能·ai·agent·skill
打工仔折腾 AI8 小时前
Changedetection.io 网页变动监控:Docker 部署、通知配置与公网暴露实践
运维·人工智能·后端·python·docker·容器·性能优化
深圳雨林凯AI8 小时前
商品详情长图的自动生成:版块模板、要素抽取与版式约束的实现思路
人工智能·ai
lisw058 小时前
迁移学习(Transfer Learning):概念、历史、内容、挑战与展望
人工智能·机器学习·迁移学习
炫酷的大高个8 小时前
98% 连跑 20 次只剩 67%,我算了大模型重试账
人工智能·架构·开源
可乐ea8 小时前
智能体的模型列表为什么要从三处来源合成:一次让 GPT-6.1 Sol 选不上的发布延迟
人工智能·gpt·chatgpt·智能体框架·模型列表·多源数据合成·客户端工程
freewebsys9 小时前
【原始POSTMAN】最老一个版本的postman 大家还记得吗?官方已经不支持没有升级了,下载了组件用AI直接升级了下可以使用了!
人工智能
云南新人和数采集团9 小时前
云南靠谱软件开发公司选型指南:以昆明新腾科技为例
大数据·人工智能·科技