如何判断轮廓是否为圆（算法更新）

时间 2020-04-16

标签如何判断轮廓是否算法更新繁體版

原文原文链接

咱们已经获得了感兴趣的轮廓，下一步就是要对轮廓进行选择，有一些轮廓是须要——有一些是不须要的，是噪音。经过判断一个轮廓是否为圆，在不少状况下能够帮助咱们来作这相当重要的一步。

简单的状况，好比下图的啤酒瓶缺口检测：

因为瓶口是有缺陷的，形成最大外轮廓不闭合——这显然和“圆”差距很远，那反过来讲，那些差距比较小的轮廓可能就是没有缺陷的。

再来看比较复杂的状况，咱们来“数钢管”。下图是connection效果，咱们发现了不少轮廓，可是只有一部分更接近圆——这些可能就是咱们须要寻找的目标。

相当重要的一步就是创建数学模型。2017年左右为解决实际问题，我创建了模型一：

基于圆的定义： “平面上到定点的距离等于定长的全部点组成的图形叫作圆.定点称为圆心,定长称为半径.”。那么经过判断当前轮廓到一个定点的距离是否为定长，就能够获得当前轮廓是否更像圆。这个定点就能够采用外接圆圆心。这里的度量方式能够是方差。

 
   
    
       
    //根据轮廓点和圆心计算方差 参考代码 
    
 
    float 
     ComputeVariance(std 
    : 
    : 
    vector 
    < 
    cv 
    : 
    : 
    Point 
    > 
     theContour,Point2f theCenter) 
    
 
    { 
    
 
         
    int 
     a[ 
    65535 
    ],n; 
    
 
         
    float 
     aver,s; 
    
 
         
    float 
     sum 
    = 
    0 
    ,e 
    = 
    0 
    ; 
    
 
        n  
    = 
     theContour.size(); 
    
 
         
    for 
    ( 
    int 
     i 
    = 
    0 
    ;i 
    < 
    n;i 
    ++ 
    ) 
    
 
        { 
    
 
            a[i]  
    = 
     GetDistance(theContour[i],theCenter); 
    
 
            sum 
    += 
    a[i]; 
    
 
        } 
    
 
        aver 
    = 
    sum 
    / 
    n; 
    
 
         
    for 
    ( 
    int 
     i 
    = 
    0 
    ;i 
    < 
    n;i 
    ++ 
    ) 
    
 
            e 
    += 
    (a[i] 
    - 
    aver) 
    * 
    (a[i] 
    - 
    aver); 
    
 
        e 
    /= 
    n 
    - 
    1 
    ; 
    
 
        s 
    = 
    sqrt(e); 
    
 
         
    return 
     e; 
    
 
    }

模型一使用了3年左右，也解决了不少问题，特别对于简单问题来讲，效果是很好的。可是它有一个明显的缺点，就是关于这个结果方差的度量，每次都须要不断试验才可以得出一个较好的值。2020年我遇到了前面的“数钢管”问题，出现了新的困难，好比下图：

当轮廓为长条形的时候（上图红圈），会错误地识别为圆。这种长条型轮廓能够抽象为下图红圈：

这种状况的方差可能不是很大，虽然直观理解其它，它很不是一个圆。

通过一段时间思索和寻找，创建模型二：

  基于“圆度”的定义：设平面上一个封闭图形（内部无空洞）的面积为S，它的周长为C，则定义该图形的圆度为：

                4 * PI * S
         Afa = ------------
                  C * C

正圆的afa为1，轮廓的afa值越接近1，轮廓越解决圆

 
  
            
   //afa参考代码 
   
         
   double s  
   = cv 
   : 
   :contourArea(contours_test[i]); 
   //轮廓面积 
   
         
   double c  
   = cv 
   : 
   :arcLength(contours_test[i],  
   true);  
   //轮廓周长 
   
         
   float afa  
   =  
   4  
   * PI 
   *s  
   / (c 
   *c);  
   //afa计算 
   
        afa  
   = abs(afa  
   -  
   1);

比较不一样afa阈值状况下，对此轮廓筛选结果

afa（越小越好）	结果
无
0.5
0.3
0.4

从结果上能够明显看出，afa方法很好地过滤掉了噪音。

感谢阅读至此，但愿有所帮助。！

参考资料：

https://bbs.csdn.net/topics/50480119

来自为知笔记(Wiz)