提取内环图像

项目开源部分代码：Extract-inner-image

项目成果：

• 设计了一套基于背光板（冷光片）和暗箱的图像处理计数装置，能够对较规则目标进行计数，正确率可达99%（每计数500个）；
• 对圆柱形、方形和圆形目标物体，利用距离变换和分水岭算法分割图像并提取出各个目标区域，再基于面积特征，计算出目标个数；
• 对于环形物体，设计了一种提取环形目标物体中内环图像的算法，将计算目标个数转化为计算内环图像的个数；
• 利用C++语言和OpenCV库实现了该系统的核心算法，并利用Qt设计了软件界面。

软件界面：

算法选型：

• 　　第一期作圆柱形毛毡柱的计数时，首先想到的是滑窗（模板匹配），对于不一样型号的圆柱形毛毡柱设定特定的模板，而后从左上到右下，遍历0-180度，根据IOU来判断是不是一个目标物体，可是对于T形或者L形的摆放会产生误检，区域生长算法也是由于没法避免这种缺点而被淘汰，其次这种算法耗时太长；
•        接着打算直接对目标物体进行分割，尝试了凹点分割和分水岭算法，顾名思义，先找到粘连图像的凹点，再按照必定的规则进行配对分割，可是当两个圆柱形顶部或侧面无缝相接时，是找不到这样的凹点的，所以须要用到面积特征来筛选，然而即便筛选事后也不能进行分割；一样的分水岭算法也是不能分割相邻过于紧密的目标；
•        考虑到圆柱形的纵向横截面积与矩形相似，所以尝试了角点检测算法来检测矩形的四个顶点，实际效果中显示有些角点未检测到，而有些角点检测了屡次。主要的缘由是圆柱形的侧面并非严格的直角，会有一些弧度，所以这种方法不适用；
•        接着矩形的思路走，矩形有四条边，所以想起是否能够用霍夫变换检测直线，将矩形的四条边检测出来，而后按照直线围成的轮廓来判断是不是目标物体，可是实际中的目标物体并非严格的直线，其次，先用canny边缘检测算法时，图像中倾斜的目标物体的边缘是锯齿形状的间断的线，所以会出现无数多条误检直线，这个方法一样pass；
•        最后选择的是基于面积特征的方法，基本思路是将图像二值化后，目标区域处理为白色，计算出图像中的非零点，而后与一个目标的像素点相除求出目标物体个数。可是这种方法有一个很是明显的缺点：由于毛毡是有弹性的，并非彻底规则的物体，因此对图像总体计算像素点会累计很大的偏差。为下降偏差，首先采用的是对二值化后的图像进行边缘处理，简单求外部轮廓，而后将各个轮廓提取出来求取像素点并计算个数，再对全部个数求和。对算法进行测试时发现，当图像中目标物体距离比较近时，检测到的轮廓并很少，分割效果比较差。为了提升目标的分割个数，换用基于标记的分水岭算法对图像进行分割，而后对分割后的图像进行轮廓提取，结果显示是可行的。

项目算法：

• 圆柱形、方形和圆柱目标物体的计数算法

　　先对图像灰度化，二值化，而后进行距离变换，再对变换后的图像利用分水岭算法分割，获得带有分割线，并对分割区域赋予随机颜色获得图像src_water，用opencv自带的findContours函数对src_water寻找轮廓contours，轮廓的参数为RETR_LIST（即所有轮廓），从新建立一个原图大小的全0图像（黑色），经过遍历contours中的轮廓，将轮廓内部所有填充为白色，生成黑底白目标的mask，与原图二值化后的图像相与来提取出各个目标区域。

　　特别注意，本算法使用opencv中自带的watershed时，原图参数处的图片为原图二值化后利用Gray2RGB函数将单通道二值图转换成三通道图片。由于本算法涉及到面积特征，经过这种方式能够减小偏差。当目标物体颜色为白色等浅色时，图像的边缘会出现阴影，watershed后边缘会出现不少噪点，影响面积特征。

　　提取算法的具体流程见下图：

 

　　上述算法中当循环次数不符合条件时，继续计算更新后的src_th的非零像素点的缘由是，分水岭算法并非能彻底将目标物体所有分隔开，会将几个目标物体分割在一块儿，也会遗漏几个目标，所以将提取到的目标在二值图中删除后，最后剩下的会是全黑图或者几个目标。

　　提取算法的结果图以下：

• 环形目标物体的计数算法

　　该算法将计算目标个数转化为计算内环图像的个数，所以核心是提取环形目标物体中内环图像的算法，将背景和环形目标物体置为一个颜色，内环图像置为另外一个颜色，算法流程图以下：

 　　

　该算法中findcontours的轮廓参数是RETR_EXTERNAL(外部轮廓)，上述算法中当循环次数不符合条件时，继续对更新后的src_th进行PickUp算法的缘由是同上。PickUp算法的理论结果图以下：

　　PickUp算法的做用是消除间隙轮廓。当几个目标物体距离太近，围成一个封闭空间时，对该图像求取轮廓会包含内部封闭空间，若是直接对提取出来的图像src_temp进行两个mask相与，相或操做，会出现下图的错误，经过PickUp算法能够将间隙轮廓、封闭空间消除。

        

　　PickUp算法的实际结果图以下所示：

           

　　将内环图像提取出来后，对图像进行腐蚀操做，消除噪点，再对图像求取轮廓，对轮廓进行计数统计从而获得目标物体的个数。

 项目程序总结：

• 项目中涉及到使用Opencv中的findcontours函数对二值图寻找轮廓，二值图以下图左所示，findcontours函数以后的二值图以下图右所示。

        

• Opencv中形态学的腐蚀膨胀操做默认是对白色元素进行操做，膨胀，直观上就是把白色区域扩大，腐蚀，与膨胀相反，缩小白色区域。