matlab：圆形的图像识别（二）

本文主要使用了matlab中的imfindcircles函数，功能参数详见其文档。其主要使用Hough变换的方法提取图片中圆形信息。

• 使用此函数需要注意的几点：

1）当 radius（或 rmin）的值小于或等于 5 时，imfindcircles 的准确度会受到限制；

2）imfindcircles 找不到圆心位于图像区域之外的圆形；

3）imfindcircles 会预处理二值（逻辑值）图像以提高结果的准确度。在处理真彩色图像之前，它使用 rgb2gray 函数将其转换为灰度图像。

%此程序用来识别和跟踪视频中的颗粒及其轨迹



%% 读取图片信息
% %test；
% RGB= imread('F:\desktop\轨迹熵\实验\目标检测跟踪\granule4.png');
% imshow(RGB)


% 将视频拆解成图片；
video = VideoReader('E:\20220326\125-2fps.avi');
N_Frames = video.NumFrames;   %得到帧数
H = video.Height;     %得到高度
W = video.Width;      %得到宽度
Rate = video.FrameRate;
% Preallocate movie structure.
% mov(1:nFrames) = struct('cdata',zeros(H,W,3,'uint8'),'colormap',[]);
%read one frame every time
% for i = 1:1000
%     mov(i).cdata = read(video,i);
%     RGB= mov(i).cdata;   
% %     disp('当前播帧数：'),disp(i);
% %     imshow(RGB);
% end

% 由于不需要存储每张图片，所以不需要mov结构来储存数据；
%待将此处化为循环结构；


%test
i=1156810;
RGB=read(video,i);
bw=imbinarize(RGB,'global');         %imfindcircles函数本身是先把图片转为二值图，但是并不会选择性的去掉连通像素小于某一阈值的区域；
                                     %所以此步骤看似重复，但其实是为bwareaopen函数做准备；
                                     %由于图片本来就是灰度图，直接转为二值图；

bw=bwareaopen(bw,60);   %去掉连通像素小于60的区域；

%注意在识别之前，需要先取一个很大的半径范围，进而确认目标是在哪个范围之内，缩小范围，进而节省上述手动划线过程；
%如果被识别的颗粒直径有变化需要修改此参数！！！！！！！！！！！！！！！
Rmin = 7; 
Rmax = 16;
[center, radius]=imfindcircles(bw,[Rmin Rmax],'Sensitivity',0.9,'ObjectPolarity','bright');    %调节ObjectPolarity属性可以实现对不同颜色的区分；
imshow(bw);
h=viscircles(center,radius);     %显示圆形轮廓；

% immatrix=imshow(bw);        %将图片化为数值矩阵；

%数据输出的文件夹目标名；
folder_name='E:\20220326';

% %服务器上使用工作文件当前文件夹；
%待查
% folder_name=pwd;     %显示当前文件夹绝对路径字符串，当然也可以不用绝对路径；


%在当前文件夹（程序所在文件夹）创建data数据文件；
%如果文件夹已经存在，则会发出警告，但是无碍下一步操作；
% mkdir('data');      %服务器上可使用相对目录；
mkdir(strcat(folder_name,'\data' ));    

%注意在服务器下可以使用相对路径，即不使用绝对路径；
fid_position=fopen(strcat(folder_name,'\data\125-2fps_position.txt'),'w');
fid_problem=fopen(strcat(folder_name,'\data\125-2fps_position_problem.txt'),'w');

tic
for i=376841:1:739966
    RGB=read(video,i);
    bw=imbinarize(RGB,'global');    %由于图片本来就是灰度图，直接转为二值图；
                                    %此处为了提高后续的识别成功率；
                                    %多出此步骤，主要是为了后面消除连片像素小的区域，imfindcircles函数本身当然也会有二值化过程，速度
                                    %总体与之前基本持平；
                                    %默认情况下，imbinarize 使用 Otsu
                                    %方法，该方法选择特定阈值来最小化阈值化的黑白像素的类内方差;
    bw=bwareaopen(bw,60);   %去掉连通像素小于60的区域；

    %注意在识别之前，需要先取一个很大的半径范围，进而确认目标是在哪个范围之内，缩小范围，进而节省上述手动划线过程；
    %如果被识别的颗粒直径有变化需要修改此参数！！！！！！！！！！！！！！！
    Rmin = 7; 
    Rmax = 16;
    [center, radius]=imfindcircles(RGB,[Rmin Rmax],'Sensitivity',0.9,'ObjectPolarity','bright');    %调节ObjectPolarity属性可以实现对不同颜色的区分；
                                                                                                     %此处sensitivity的值在0.9附近对结果影响很敏感，0.9为一经验值；
%     disp(i);    

    if length(center)==10
        for j=1:1:10
            fprintf(fid_position,'%15.10f %15.10f\n',center(j,:));
        end     
        
    elseif length(center)>10
        disp('oh no');
%         imshow(bw);
%         h=viscircles(center,radius);     %显示圆形轮廓；
%         drawnow;
        disp(i);
        disp(center);
        %有时识别出的圆的数量大于实际数量，需要剔除多于的圆心数据；

        D=pdist(center);    %计算行与行之间的欧几里得距离；
        Z=squareform(D);    %为了方便识别行号和列号，将上述结果转为方阵，第i行j列，即代表center第i行与第j行所代表向量之间的距离；
        U=triu(Z);          %为了方便识别行号和列号，只取出矩阵的上三角部分；
        [row,col]=find(U>0 & U<10);       %如果圆心距离大于0小于10，则认为两个圆心重复；如果被识别的颗粒直径有变化需要修改此参数！！！！！！！！
        center(row,:)=[];     %任意去掉其中重复的圆心；
        if length(center)~=10
            disp(['There is a problem with this frame:',num2str(i)]);     %以防万一；
            disp(center);
            fprintf(fid_problem,'%10d\n',i);
            for j=1:1:10
                fprintf(fid_position,'%15.10f %15.10f\n',zeros(1,2));     %为了后续处理数据的方便（数据长度不发生变化），在有问题的插入0值，供后续更改；
                                                                           %注意如果被检测圆的数量发生改变，这里需要更改数目！！！！！！
            end
                        
        else
            disp('successful!!!');
            disp(center);
            for j=1:1:10
                fprintf(fid_position,'%15.10f %15.10f\n',center(j,:));
            end
        end
    %有时识别出的圆的数量小于实际数量，暂无更好的办法，此处调节识别圆的sensitivity，但是有风险；
    else
        disp(['There is a problem with this frame:',num2str(i)]);     %以防万一；
        disp(center);
        fprintf(fid_problem,'%10d\n',i);
        for j=1:1:10
            fprintf(fid_position,'%15.10f %15.10f\n',zeros(1,2));     %为了后续处理数据的方便（数据长度不发生变化），在有问题的插入0值，供后续更改；
                                                                      %注意如果被检测圆的数量发生改变，这里需要更改数目！！！！！！
        end
    end
%     imshow(bw)
%     h=viscircles(center,radius);     %显示圆形轮廓；
%     drawnow;    %为了连续显示图窗；
end

fclose(fid_position);
fclose(fid_problem);

toc




%注意检查各矩阵是否与实际颗粒的数目是否一样；


%% 将图片转为二值图片，凸显边缘

% % I = rgb2gray(RGB);   %图片本来就是灰度图片，不需要再转为灰度图；
% imhist(RGB);    %查看图片的灰度分布
% bw = imbinarize(RGB);    %由于图片本来就是灰度图，直接转为二值图；
% % imshow(bw)
% imhist(bw);    %查看图片的灰度分布
% imwrite(bw,'E:\20220326\125-2fps.png');
% 
% % 删除包含少于阈值像素的所有对象
% bw = bwareaopen(bw,60);
% imshow(bw)

% % 填充笔帽中的间隙
% se = strel('disk',2);
% bw = imclose(bw,se);
% imshow(bw)

% 
% %填充任何孔洞，以便可以使用 regionprops 来估计每个边界所包围的面积
% bw = imfill(bw,'holes');
% imshow(bw)


% %手动估算颗粒直径的长度
% d = drawline;   %在figure图中对颗粒的直径划线
% pos = d.Position;
% diffPos = diff(pos);
% diameter = hypot(diffPos(1),diffPos(2))

• 注意此识别程序并不能完全理想的挑选出所有的圆形，程序中把异常值的情况挑选了出来，输出到了

‘E:\20220326\125-2fps_position_problem.txt’

• 识别正常的情况：

 

 

• 识别异常情况：

图 原始图片（灰度图片）

图 出现异常的识别结果（在灰度图下）

图 出现异常的识别结果（在二值图下）

有阴影球体图片

有阴影球体识别结果（灰度图）

有阴影球体识别结果（二值图）

参考文献：

检测圆形目标

检测和测量图像中的圆形目标

Measuring the Radius of a Roll of Tape

MATLAB: Image Prosessing Toolbox