检测和测量图像中的圆形目标

步骤 1：加载图像

读取并显示包含各种颜色的圆形塑料片的图像。除了有大量要检测的圆之外，从圆检测的角度来看，此图像还有一些有趣的特点：

rgb = imread("coloredChips.png");
imshow(rgb)

步骤 2：确定搜索圆的半径范围

使用 drawline 函数找到合适的圆半径范围。在塑料片的近似直径上绘制一条线。

d = drawline;

线 ROI 的长度就是塑料片的直径。通常的塑料片的直径在 40 到 50 个像素的范围内。

pos = d.Position;
diffPos = diff(pos);
diameter = hypot(diffPos(1),diffPos(2))

diameter = 45

步骤 3：寻找圆的初步尝试

imfindcircles 函数搜索符合半径范围的圆。搜索半径在 20 到 25 个像素范围内的圆。在此之前，最好要清楚对象是比背景亮还是比背景暗。要回答该问题，请看此图像的灰度版本。

gray_image = im2gray(rgb);
imshow(gray_image)

背景相当亮，大多数塑料片比背景暗。但是，默认情况下，imfindcircles 会找到比背景亮的圆形目标。因此，在 imfindcircles 中将 ObjectPolarity 名称-值参量指定为 "dark" 以搜索较暗的圆。

[centers,radii] = imfindcircles(rgb,[20 25],ObjectPolarity="dark")

centers =

     []


radii =

     []

请注意，输出 centers 和 radii 为空，这意味着未找到圆。这种情况经常发生，因为 imfindcircles 是圆形检测器，与大多数检测器类似，imfindcircles 有内部检测阈值决定其敏感度。简而言之，这意味着检测器对某个（圆形）检测的信心必须大于某个水平，才将其视为有效检测。imfindcircles 有 Sensitivity 名称-值参量，可用于控制此内部阈值，从而控制算法的敏感度。Sensitivity 值越高，检测阈值设置得越低，并导致检测到更多圆。这类似于家庭安全系统中使用的运动检测器的敏感度控制。

步骤 4：提高检测敏感度

回到塑料片图像，在默认敏感度水平下，可能所有圆都低于内部阈值，因此未检测到圆。Sensitivity 是介于 0 和 1 之间的数字，默认设置为 0.85。将 Sensitivity 提高到 0.9。

[centers,radii] = imfindcircles(rgb,[20 25],ObjectPolarity="dark", ...
    Sensitivity=0.9)

centers = 8×2

  146.1895  198.5824
  328.8132  135.5883
  130.3134   43.8039
  175.2698  297.0583
  312.2831  192.3709
  327.1316  297.0077
  243.9893  166.4538
  271.5873  280.8920

radii = 8×1

   23.1604
   22.5710
   22.9576
   23.7356
   22.9551
   22.9995
   22.9055
   23.0298

这次，imfindcircles 发现了一些圆 - 准确地说是八个。centers 包含圆心的位置，radii 包含这些圆的估计半径。

步骤 5：在图像上绘制圆

函数 viscircles 可用于在图像上绘制圆。来自 imfindcircles 的输出变量 centers 和 radii 可以直接传递给 viscircles。

imshow(rgb)
h = viscircles(centers,radii);

圆心似乎定位正确，它们对应的半径似乎与实际塑料片匹配良好。但仍未检测到相当多的塑料片。请尝试将 Sensitivity 提高到 0.92。

[centers,radii] = imfindcircles(rgb,[20 25],ObjectPolarity="dark", ...
    Sensitivity=0.92);

length(centers)

ans = 16

提高 Sensitivity 会找到更多的圆。再次在图像上绘制这些圆。

delete(h)  % Delete previously drawn circles
h = viscircles(centers,radii);

步骤 6：使用第二种方法（两阶段）寻找圆

此方法的结果看起来更好。imfindcircles 有两种不同寻找圆的方法。到当前为止，默认方法（称为相位编码方法）用于检测圆。在 imfindcircles 中还可以使用另一种方法，通常称为两阶段方法。使用两阶段方法并显示结果。

[centers,radii] = imfindcircles(rgb,[20 25],ObjectPolarity="dark", ...
    Sensitivity=0.92,Method="twostage");

delete(h)
h = viscircles(centers,radii);

两阶段方法在 Sensitivity 值为 0.92 处检测到更多圆。一般来说，这两种方法是互补的，因为它们各有优点。相位编码方法通常比两阶段方法更快，抗噪声的稳定性稍强。但是，它也可能需要更高的 Sensitivity 水平才能实现与两阶段方法相同数量的检测。例如，如果 Sensitivity 水平提高到 0.95，相位编码方法也会找到相同的塑料片。

[centers,radii] = imfindcircles(rgb,[20 25],ObjectPolarity="dark", ...
          Sensitivity=0.95);

delete(h)
viscircles(centers,radii);

请注意，imfindcircles 中的两种方法都能准确找到部分可见（遮挡）塑料片的中心和半径。

步骤 7：为什么有些圆仍检测不到？

查看最后一个结果，很奇怪 imfindcircles 没有在图像中找到黄色塑料片。黄色塑料片与背景的对比不够强烈。事实上，它们看起来和背景的强度非常相似。是不是黄色塑料片并没有想象中的那样比背景“更暗”？要确认这一点，请再次显示该图像的灰度版本。

imshow(gray_image)

步骤 8：在图像中找到“明亮”的圆

与背景相比，黄色塑料片的强度几乎相同，甚至更亮。因此，要检测黄色塑料片，请将 ObjectPolarity 更改为 "bright"。

[centersBright,radiiBright] = imfindcircles(rgb,[20 25], ...
    ObjectPolarity="bright",Sensitivity=0.92);

步骤 9：用不同颜色绘制“Bright”圆

通过更改 viscircles 中的 Color 名称-值参量，以不同颜色绘制明亮的圆。

imshow(rgb)

hBright = viscircles(centersBright,radiiBright,Color="b");

请注意，找到了三个原先未检测到的黄色塑料片，但仍有黄色塑料片未检测到。这些黄色塑料片很难检测到，因为在这种背景下，它们没有呈现出与众不同。

步骤 10：降低 EdgeThreshold 的值

在这里还可以使用 imfindcircles 中的另一个名称-值参量，即 EdgeThreshold。要查找圆，imfindcircles 仅使用图像中的边缘像素。这些边缘像素基本上是具有高梯度值的像素。EdgeThreshold 名称-值参量控制像素的梯度值必须有多高，才能将其视为边缘像素并包含在计算中。该参数的高值（更接近 1）只允许包含强边缘（较高梯度值），而低值（更接近 0）的宽容度更高，可在计算中包含较弱的边缘（较低梯度值）。对于检测不到黄色塑料片的情况，是因为对比度低，一些边界像素（在塑料片的圆周上）预期具有低梯度值。因此，请降低 EdgeThreshold 值，以确保黄色塑料片的大多数边缘像素都包含在计算中。

[centersBright,radiiBright,metricBright] = imfindcircles(rgb,[20 25], ...
    ObjectPolarity="bright",Sensitivity=0.92,EdgeThreshold=0.1);

delete(hBright)
hBright = viscircles(centersBright,radiiBright,Color="b");

步骤 11：同时绘制“暗”和“亮”圆

现在 imfindcircles 找到了所有黄色圆，还找到了一个绿色圆。用蓝色绘制这些塑料片，用红色绘制之前发现的其他塑料片（ObjectPolarity 设置为 "dark"）。

h = viscircles(centers,radii);

所有圆都被检测到。最后 - 应注意，在检测中更激进地更改参数可能会发现更多圆，但也会增加检测到假圆的可能性。需要在可找到的真圆数量（检测率）和用它们找到的假圆数量（虚警率）之间实现某种平衡。

祝您能顺利检测到圆！