图像中圆形识别及基于特征提取形状的matlab实现

在图像识别中我们经常需要对各种形状进行提取，比如之前介绍的矩方法可以用于识别图像中的不同形状，如下链接所示：

(1条消息) 图形学中的不变矩方法及其matlab实现_warnerchang的博客-CSDN博客https://blog.csdn.net/weixin_43568289/article/details/123924817?spm=1001.2014.3001.5502今天我们将讲解如何使用reginprops函数对图像中的不同形状进行提取，并基于特定的特征对其进行提取。以识别圆形为例：

具体步骤如下：
1、将图像首先转化为灰度图像（这一步可以设定一个阈值区间，降低背景噪声的干扰），并将其二值化

2、如果形状的颜色为黑色，则需要对其进行反色处理

3、使用bwboundaries找到所有的闭合边界，主要是为了后续图像显示，与最后提取特定形状无关

4、使用regionprops函数获得不同形状的统计值

5、根据获得统计值进行筛选

代码如下：

% Matlab

% 读取图片
Im = imread('R_C.jpg');

% 转化为灰度图
Im_gray = rgb2gray(Im);

% 二值化
bw = imbinarize(Im_gray);

% 反色处理（形状填充颜色为白色）
bw = ~bw;

% 边界寻找
[B,L] = bwboundaries(bw,'noholes');
subplot(1,3,1)
imshow(L)
hold on

% 初始化矩阵
roundness = zeros(size(B,1), 3);                                           % 用于存储满足要求圆形的统计值
metric_List = zeros(length(B),1);                                          % 用于存储满足阈值圆度的逻辑值

% 圆度的统计值，将图形中每个分离的连通区域的周长、面积和圆度值记录下来
stats = regionprops(L,'Area','Centroid');
threshold = 0.87;                                                          % 设定圆度的阈值
% 循环处理每个边界
for k = 1:length(B)                                                        % 获取边界坐标
    boundary = B{k};                                                       % 计算周长
    delta_sq = diff(boundary).^2;
    perimeter = sum(sqrt(sum(delta_sq,2)));                                % 对标记为K的对象获取面积
    area = stats(k).Area;                                                  % 圆度计算公式4*PI*A/P^2
    metric = 4*pi*area/perimeter^2;                                        % 结果显示
    roundness(k,:) = [perimeter, area, metric ];
    % 标记圆度大于threshold = 0.87 的对象
    if metric >threshold
        metric_string = sprintf('%2.2f',metric);
        centroid = stats(k).Centroid;                                      % centroid是目标k的质心
        metric_List(k) = 1; 
        plot(centroid(1), centroid(2),'k.');
        text(centroid(1), centroid(2),metric_string,'Color','r',...
            'FontSize',14,'FontWeight','bold');
    else
        metric_List(k) = 0;
    end
end
title('圆度识别结果，越圆越接近1');
hold off

% 找到面积大于500的形状，并将其显示出来
mask_area= ismember(L, find([stats.Area]>=500));
Im_select_area = immultiply(bw,mask_area);
subplot(1,3,2)
imshow(Im_select_area)
title('Area>500')

% 将圆度大于阈值的形状挑选出来
%*************************************************************************%
% 这两行代码是错误代码，不需要这么麻烦，不要想着去修改stats结构体
% stats.metric = metric_List';     
% mask_metric= ismember(L, find([stats.metric]==1));
%*************************************************************************%
mask_metric= ismember(L, find(metric_List==1));
Im_select_metric = immultiply(bw,mask_metric);
subplot(1,3,3)
imshow(Im_select_metric)
title('metric>threshold')

所使用的图片如下所示：

 最后的效果图：