使用 OpenCV 查找重叠/复杂的圆

我想计算红圈半径（图2）。我在使用 OpenCV 的 HoughCircles 找到这些圆圈时遇到了麻烦。如图所示。 2 我只能使用 HoughCircles 找到中心以黑色显示的小圆圈。

original fig 2.

由于我知道红色圆圈的中心（与红色圆圈相同），有没有办法简单地计算红色圆圈的半径？

是否也可以有一种通用的方法来计算更复杂的图像（例如下图）上的圆半径：

编辑：这是获得图 2 后我的代码的有趣部分：

threshold(maskedImage, maskedImage, thresh, 255, THRESH_BINARY_INV | THRESH_OTSU);
    std::vector<Vec3f> circles;
// Canny(maskedImage, maskedImage, thresh, thresh * 2, 3);

HoughCircles(maskedImage, circles, CV_HOUGH_GRADIENT, 1, src_gray.rows / 4, cannyThreshold, accumulatorThreshold, 0, 0);

Mat display = src_display.clone();
for (size_t i = 0; i < circles.size(); i++)
{
    Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
    int radius = cvRound(circles[i][2]);
    // circle center
    circle(display, center, 3, Scalar(0, 255, 0), -1, 8, 0);
    // circle outline
    circle(display, center, radius, Scalar(0, 0, 255), 3, 8, 0);
}

我尝试使用 cannyThreshold 和累加器进行游戏，但没有结果。真实图像大 5 倍。这里a link https://drive.google.com/file/d/0B_Yv8cvdcD-bRDBsSEJuYTJfdDg/edit?usp=sharing例如阈值后的 1。

Thanks

您已经知道图像中的较小圆圈（您用黑色绘制）。

• 使用这些圆圈准备蒙版图像，以便具有较小圆圈的区域将具有非零像素。我们将称之为mask:

• 在原始图像中，用深色（例如黑色）填充这些圆形区域。这将产生如图 2 所示的图像。我们将其称为filled
• 阈值filled图像以获得暗区域。我们将称之为binary。为此，您可以使用 Otsu 阈值。结果看起来像这样：

• 对其进行距离变换binary图像。为此，请使用准确的距离估计方法。我们称之为dist。它看起来像这样。为了更清晰起见，彩色图只是一张热图：

• Use the mask获得峰值区域dist。每个此类区域的最大值应该给出较大圆的半径。您还可以对这些区域进行一些处理，以获得更合理的半径值，而不仅仅是选取最大值。
• 为了选择区域，您可以找到区域的轮廓mask然后从中提取该区域dist图像，或者，因为您已经通过应用霍夫圆变换知道了较小的圆，所以从每个圆中准备一个掩模并从dist图像。我不确定您是否可以通过给出掩码来计算最大值或其他统计数据。 Max 肯定会起作用，因为其余像素都是 0。如果将这些像素提取到另一个数组，您也许可以计算该区域的统计数据。

下图显示了这样的掩模和从中提取的区域dist。为此，我得到的最大值约为 29，这与该圆的半径一致。请注意，图像未按比例绘制。

圆的掩模，从中提取的区域dist

这是代码（我没有使用霍夫圆变换）：

    Mat im = imread(INPUT_FOLDER_PATH + string("ex1.jpg"));

    Mat gray;
    cvtColor(im, gray, CV_BGR2GRAY);

    Mat bw;
    threshold(gray, bw, 0, 255, CV_THRESH_BINARY|CV_THRESH_OTSU);
    // filtering smaller circles: not using hough-circles transform here. 
    // you can replace this part with you hough-circles code.
    vector<int> circles;
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(bw, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
    for(int idx = 0; idx >= 0; idx = hierarchy[idx][0])
    {
        Rect rect = boundingRect(contours[idx]);
        if (abs(1.0 - ((double)rect.width/rect.height) < .1))
        {
            Mat mask = Mat::zeros(im.rows, im.cols, CV_8U);
            drawContours(mask, contours, idx, Scalar(255, 255, 255), -1);
            double area = sum(mask).val[0]/255;
            double rad = (rect.width + rect.height)/4.0;
            double circArea = CV_PI*rad*rad;
            double dif = abs(1.0 - area/circArea);
            if (dif < .5 && rad < 50 && rad > 30)   // restrict the radius
            {
                circles.push_back(idx); // store smaller circle contours
                drawContours(gray, contours, idx, Scalar(0, 0, 0), -1); // fill circles
            }
        }
    }

    threshold(gray, bw, 0, 255, CV_THRESH_BINARY_INV|CV_THRESH_OTSU);

    Mat dist, distColor, color;
    distanceTransform(bw, dist, CV_DIST_L2, 5);
    double max;
    Point maxLoc;
    minMaxLoc(dist, NULL, &max);
    dist.convertTo(distColor, CV_8U, 255.0/max);
    applyColorMap(distColor, color, COLORMAP_JET);
    imshow("", color);
    waitKey();

    // extract dist region corresponding to each smaller circle and find max
    for(int idx = 0; idx < (int)circles.size(); idx++)
    {
        Mat masked;
        Mat mask = Mat::zeros(im.rows, im.cols, CV_8U);
        drawContours(mask, contours, circles[idx], Scalar(255, 255, 255), -1);
        dist.copyTo(masked, mask);
        minMaxLoc(masked, NULL, &max, NULL, &maxLoc);
        circle(im, maxLoc, 4, Scalar(0, 255, 0), -1);
        circle(im, maxLoc, (int)max, Scalar(0, 0, 255), 2);
        cout << "rad: " << max << endl;
    }
    imshow("", im);
    waitKey();

结果（缩放）：

希望这可以帮助。