Algorithm 什么是最快的边缘检测方法？

我正在考虑为工业问题实施一个基于图像处理的解决方案

该图像由一个红色矩形组成。在里面我会看到一个圆形矩阵。要求是在以下约束条件下计算圆的数量。（实际应用：数一数瓶子外壳中的瓶子数量。是否有丢失的瓶子？？）

手术所需的时间应该很短

我还需要检测红色矩形。我的目标是数一数 包装中的项目，并且没有 触发故障的机构（传感器） 照相机。所以摄像机需要捕捉 照片连续不断，但是 程序应该有一种丢弃的方法 不必要的图像

处理应该是实时的

图像捕获中可能存在“噪声”。您可能会看到椭圆形而不是圆形

我的问题如下:

与给定图像匹配的最佳边缘检测算法是什么 情景

除了边缘之外，我还可以使用其他机制吗 检测

在我使用的语言和我的表现之间有很大的影响吗 系统

• 对于圆，请尝试Hough变换
• 其他机制：不知道
• 编译语言可能会更快

检测边界的颜色+凸包的总和。你主要需要矩形的四个角，而不是边

没有运动，没有第二个摄像头，一个小小的选择-许多数学方法反对一点输入（颜色直方图，颜色分布矩阵）。不知道

java＝高内存消耗，Lisp=高脑消耗，C++＝内存/CPU /速度/脑利用率最优。 应该对圆形物体有很好的反应-不过它是专利。是一个类似的算法，但我不知道是否有任何现成的实现

---

实际上，做更多的研究，是SIFT的一个改进版本，有很多可用的实现，请查看维基百科页面上的链接。

Surf/SIFT=overkill在这种情况下，您当然不需要它

如果您想要实时速度（800x600图像上约20fps+），我建议使用来实现边缘检测，使用标准的过滤器方案，如，然后实现二值化+，以确保圆的边缘不被分割

最难的部分将是拟合圆。这是假设您已经到了提取边缘的步骤，并确保使用图像闭合（形态学）将它们连接起来。此时，我将按照以下步骤进行操作：

运行以分割出不接触的圆。如果圆圈可以触及，下一步将更加棘手

对于每个连接的componet/blob，拟合一个可以实时运行的圆或矩形（与Hough变换相反，我认为Hough变换很难实时运行）

如果您不能将形成圆圈的连接组件分开，那么第2步将更加困难，因此应额外考虑如何保证该条件

祝你好运

编辑

仔细考虑之后，我觉得RANSAC非常适合圆形连接组件接触的情况。假设RANSAC应仅将圆拟合到连接组件的一部分（因为它能够在大部分异常点的情况下表现良好。）这意味着您可以添加一个额外的检查，以查看拟合圆是否包含整个连接部件，如果没有，则在连接部件的遗漏部分重新运行RANSAC。根据需要冲洗并重复多次

我也意识到我说的是圆，但是你可以很容易地用RANSAC来拟合椭圆而不是圆

另外，我想说的是，当我说CUDA是一个不错的选择时，我的意思是CUDA是一个很好的选择，可以实现sobel过滤器+双虹膜化+图像关闭。连接的组件和RANSAC可能最好留给CPU，但您可以尝试将它们推到CUDA上，尽管我不知道GPU会给您带来多大的优势

啊-你现在告诉我们瓶子在固定位置

这是一个非常简单的问题。

你所要做的就是看12个斑点中的每一个，看看那里是否有一个黑色区域。没有比这更容易的了

您根本不必进行任何边缘或形状检测。

就这么简单

然后你指出盒子可能会旋转，物体可能会抖动。长方体可能会旋转一点（甚至旋转很多，每次旋转0到360），这一点非常容易处理。瓶子在“槽”中的事实（即使摇动）极大地改变了问题的性质。你的主要问题（这很容易）是等待，直到每个新的红方块（板条箱）在相机下居中。我刚刚意识到，你在最初的问题中的句子中，字面意思是“矩阵”。这完全改变了一切，而不是找到一堆杂乱无章的圆圈。找出一个斑点是否在12个点中的一个点“打开”，与“识别图像中的圆”是完全不同的问题。也许你可以发布一张图片来总结这个问题

---

最后，我相信下面的Kenny已经找到了最佳解决方案：blob分析

---

“数一数瓶盖中的瓶子数”

单个瓶子是否位于“插槽”中？即，有4x3=12个孔，每个瓶子一个

换句话说，你“只”需要确定12个孔中的每个孔中是否有一个瓶子

对吗

如果是这样的话，你的问题比“任何地方”一堆瓶子的一般问题要简单得多

很简单，我们从哪里看到瓶子？顶部、侧面、底部或底部？我们总是看到顶部/底部吗