在MATLAB中检测图像内部的圆形

检测图像中这些圆形的最快方法是什么

半径始终在（80-100mm）之间。背景总是白色的。这个圆永远在中心

我已经试过了，但我真的没能让它起作用。我是新来的，我觉得Hough变换在这方面做得太过火了。请建议我做这件事的正确方法。

---

更新

这是我应用hough变换后得到的结果

我使用了前面提到的算法

下面是来自更大算法的相关代码

% applying Hough Below
[accum, circen, cirrad] = ...
    CircularHough_Grd(gR, [89 93],...
    17.4, 13, 1);   % this executes in 0.72 sec

% Lets see what we got
imshow(gR);
hold on;
plot(circen(:,1), circen(:,2), 'r+');
for ii = 1 : size(circen, 1)
    rectangle('Position',[circen(ii,1) - cirrad(ii), circen(ii,2) - cirrad(ii), 2*cirrad(ii), 2*cirrad(ii)],...
        'Curvature', [1,1], 'edgecolor', 'b', 'linewidth', 1.5);
end
hold off;

有意义的圆是中间的一个。

< P>这是我的建议：
1.转换为灰色图像，增强“与白色的差异”

2.清除白色区域的阈值

BW = im2bw( gimg, .4 ); 

3.获取图像区域的面积和质心孔隙度

st = regionprops( ~BW, 'Area', 'Centroid', 'PixelIdxList' );

四,。仅选择足够大的区域

sel = [st.Area] > numel(BW)*0.025; % at least 2.5% of image size
st = st(sel);

五,。计算区域到图像中心的距离

cntr = .5 * [size(BW,2) size(BW,1)]; % X-Y coordinates and NOT Row/Col
d = sqrt( sum( bsxfun(@minus,vertcat( st.Centroid ), cntr ).^2, 2 ) );

六,。选择离中心最近的区域

[mn idx] = min(d);

七,。创建一个掩码

res = false(size(BW)); 
res( st(idx).PixelIdxList ) = true;

---

您还可以考虑使用其他区域属性（例如，<代码>偏心率）更好地拒绝非圆形区域。

< P>如果您的MATLAB版本是R2012a或更高版本，则图像处理工具箱包括用于检测图像中的圆圈的函数<代码> IfDefSncult/Cuth>。p>

filen='http://i.stack.imgur.com/pmBp1.jpg';  % your original image
I=imread(filen);

I=im2bw(I(:,:,3));  % convert to gray scale
Rmin=50;Rmax=100;  % circle radius range
[centersDark, radiiDark] = imfindcircles(I, [Rmin Rmax], ...
                                        'ObjectPolarity','dark','sensitivity',0.93)
imagesc(I),hold on
viscircles(centersDark, radiiDark,'LineStyle','--');hold off

结果是：

---

实际上这个函数也应用了Hough变换，我想它和你的类似。您可能需要注意的是，与Hough中的灵敏度相对应的阈值对检测结果有很大影响。灵敏度过高会导致检测到更多的圆圈，包括较弱或部分模糊的圆圈，但错误检测率较高，而这正是您获得的结果。

请先展示您自己的尝试，以确保您获得了一个圆圈，您可以检查它的面积与最大半径的比率是否很高。@Shai这是一次$niper射击。圆圈不知道是什么击中了他们。它只需要0.04秒（与我正在做的hough变换相比太少了）！作为下一步，我将把白色不完美的圆包围在一个正方形内，得到它的中心，并近似一个更好的圆，然后将该圆用作遮罩，然后尝试获得圆的颜色。这种方法正确吗？还是有现成的方法可以做到这一点？@wy-看看

regionprops

以及它能为您提供什么。在我的代码中，您已经在结构数组的

'Centroid'

字段中找到了圆心。根据您需要的精度，您必须找到一种方法来估计圆的半径。如果它是你想要的颜色-那么你不需要估计一个圆-你所需要的就是遮罩

res

：

t=重塑（img，[]，3）；c=平均值（t（res，：），1）

将为您提供遮罩像素的平均颜色。@Shai

重塑（img，[]，3）

抛出已知尺寸的乘积，3，不可整除为元素总数，450800。错误。我想我需要截断或填充img数组，使其大小可以被3整除。@wy如果彩色图像的元素数不能被3整除，那么这就是wierd：你应该有大小为3的三维空间，对应于每个像素的R、G和B分量。这太过分了。查看wy的运行时间。@lennon310我有R2010a。我能否获得发布版的

imfindcircles

？这个脚本需要多少时间才能得到这个圆？它应该包含在图像处理工具箱中。实现imfindcircles需要~0.7秒，而regionprops需要~0.05秒。因此，如果要处理大量图像，速度可能会慢得多。

filen='http://i.stack.imgur.com/pmBp1.jpg';  % your original image
I=imread(filen);

I=im2bw(I(:,:,3));  % convert to gray scale
Rmin=50;Rmax=100;  % circle radius range
[centersDark, radiiDark] = imfindcircles(I, [Rmin Rmax], ...
                                        'ObjectPolarity','dark','sensitivity',0.93)
imagesc(I),hold on
viscircles(centersDark, radiiDark,'LineStyle','--');hold off