Détection d'un cercle dans les données d'images bruyantes

J'ai une image qui ressemble à celle ci-dessous:

J'essaie de trouver le rayon (ou le diamètre) du cercle. J'ai essayé d'utiliser la transformation circulaire de Hough (via matlab imfindcircles(bw,[rmin rmax],'ObjectPolarity','bright')), et en s'adaptant à un cercle ou une ellipse (fonction maison qui fonctionne plutôt bien pour des données moins bruyantes, voir ci-dessous).

J'ai également essayé un traitement d'image pour obtenir un cercle plus clair, par exemple, voir ci-dessous:

se = strel('disk', 2);
bw = imdilate(bw, se);
bw = bwareaopen(bw,100000); 
bw =  edge(bw); 

Cependant, lorsque j'alimente l'image traitée à l'une ou l'autre des techniques (ajustement de Hough et cercle \ ellipse), aucune d'entre elles ne parvient à détecter le cercle de manière décente.

Voici un extrait de code du chercheur de cercle que j'ai écrit (matlab) [row col] = find (bw); contour = bwtraceboundary (bw, ligne (1), col (1)], 'N', connectivité, num_points);

    x = contour(:,2);
    y = contour(:,1);

    % solve for parameters a, b, and c in the least-squares sense by
    % using the backslash operator
    abc = [x y ones(length(x),1)] \ -(x.^2+y.^2);
    a = abc(1); b = abc(2); c = abc(3);

    % calculate the location of the center and the radius
    xc = -a/2;
    yc = -b/2;
    radius  =  sqrt((xc^2+yc^2)-c);

Des approches alternatives seront appréciées ...

Voici ma solution, elle est proche de l'idée de @ Yoda, mais j'ai changé quelques étapes.

• Marquez tous les pixels de sorte qu'il y ait au moins 6 pixels dans leur voisinage 7x7
• Supprimez tous les blobs, mais le plus gros
• Remplissez les trous
• Appliquer la détection des bords
• Rechercher un cercle à l'aide de la transformation de Hough

Voici le code Matlab pertinent. J'utilise Hough transform pour les cercles .m fichier dans mon code.

function FindCircle()
    close all;
    im = imread('C:\circle.png');
    im = im(:,:,2);

    ims = conv2(double(im), ones(7,7),'same');
    imbw = ims>6;
    figure;imshow(imbw);title('All pixels that there are at least 6 white pixels in their hood');

    props = regionprops(imbw,'Area','PixelIdxList','MajorAxisLength','MinorAxisLength');
    [~,indexOfMax] = max([props.Area]);
    approximateRadius =  props(indexOfMax).MajorAxisLength/2;

    largestBlobIndexes  = props(indexOfMax).PixelIdxList;
    bw = false(size(im));
    bw(largestBlobIndexes) = 1;
    bw = imfill(bw,'holes');
    figure;imshow(bw);title('Leaving only largest blob and filling holes');
    figure;imshow(edge(bw));title('Edge detection');

    radiuses = round ( (approximateRadius-5):0.5:(approximateRadius+5) );
    h = circle_hough(edge(bw), radiuses,'same');
    [~,maxIndex] = max(h(:));
    [i,j,k] = ind2sub(size(h), maxIndex);
    radius = radiuses(k);
    center.x = j;
    center.y = i;

    figure;imshow(edge(bw));imellipse(gca,[center.x-radius  center.y-radius 2*radius 2*radius]);
    title('Final solution (Shown on edge image)');

    figure;imshow(im);imellipse(gca,[center.x-radius  center.y-radius 2*radius 2*radius]);
    title('Final solution (Shown on initial image)');

end

Il est assez simple de le faire en utilisant le traitement d'image. Ce qui suit est une preuve de concept dans Mathematica . Vous devrez le traduire dans MATLAB.

• Commencez par découper les axes et n'en conserver que la partie image. J'appelle cette variableimg .

• Binarisez l'image et dilatez-la, suivie d'une transformation de remplissage. Je supprime également les petits composants parasites qui ne sont pas connectés au blob principal. Cela devrait vous donner quelque chose comme ceci:

  filled = Binarize@img ~Dilation~ 3 // FillingTransform // DeleteSmallComponents
  

  

• Ensuite, trouvez le centroïde de ce blob et le rayon de disque équivalent du blob (openCV, MATLAB ont tous des commandes équivalentes pour le faire)

  {center, radius} = 1 /. ComponentMeasurements[filled, {"Centroid", "EquivalentDiskRadius"}]
  

• C'est ça! Tracez maintenant l'image d'origine et un cercle avec le centre et le rayon ci-dessus pour voir comment elle s'adapte:

  Show[img, Graphics[{Red, Circle[center, radius]}]]