Python OpenCV硬币检测和自动结果检查

我正在做一个硬币识别的项目。 我遇到的第一件事是从图像中正确提取硬币，即使是从非常简单的图像中。 有很多很好的硬币检测工作方法，但我认为所有这些方法在应用后都需要手动检查。我测试了其中两个：

cv2.HoughCircles和阈值，其后为findig计数

以下是一些成功的处理示例：

cv2.houghscircles，效果良好

cv2.HoughCircles，坏结果

但对于第二幅图像，我们可以找到一个很好的解决方案，即对其进行阈值选择并在其之后找到计数：

大概是这样的：

gray = cv2.GaussianBlur(gray, (15, 15), 0)

#gray = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV, 11, 1)
    (_,gray) = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
  contours, hierarchy = cv2.findContours(gray, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

for i,cnt in enumerate(contours):
    ellipse = cv2.fitEllipse(cnt)
    print ellipse,type(ellipse)
    cv2.ellipse(color_img, ellipse, (0,255,0), 2)

产生非常好的效果：

但对于其他一些图像，它的效果非常纯净

这种情况之所以发生，是因为硬币之间的距离越来越近，模糊将它们合并在一起。这是非常简单的cas，对于它，我可以检查结果是否只有一个。但有时候更复杂。我想实现一些算法，尝试不同的分割方法并选择最好的方法。但对我来说，编码这个指标很难——有人知道怎么做吗

示例中的原始图像： 这3个是相当真实的，但实际上不是规则-其中一些有背景，一些甚至没有硬币-这就是为什么我考虑一些后检查过程

---

我成功地使用了具有以下参数的水滴探测器：

Ptr<SimpleBlobDetector> detector;
SimpleBlobDetector::Params params;
params.minThreshold = 150;
params.maxThreshold = 230;
params.filterByArea = true;
params.minArea = 50;
params.maxArea = 50000;
params.filterByConvexity = true;
params.minConvexity = 0.9;
params.maxConvexity = 1.0;

params.filterByCircularity = false;
params.filterByInertia = false;
params.filterByColor = false;
detector = SimpleBlobDetector::create(params);

Ptr检测器；
SimpleBlobDetector:：Params Params；
params.minThreshold=150；
参数maxThreshold=230；
params.filterByArea=true；
参数s.minArea=50；
参数maxArea=50000；
params.filterByConvexity=true；
params.min凸度=0.9；
params.Max凸度=1.0；
params.filterByCircularity=假；
params.filterByInertia=false；
params.filterByColor=false；
检测器=SimpleBlobDetector:：创建（参数）；

然后找到斑点并画出圆圈：

Mat SearchImage; // set to whatever picture contains coins
Mat DrawImage; // image to draw on with drawKeypoints
SearchImage.copyTo(DrawImage);
vector<cv::KeyPoint> keypoints;
detector->detect(SearchImage, keypoints);
drawKeypoints(SearchImage, keypoints, DrawImage, Scalar(0, 0, 0), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

Mat SearchImage；//设置为任何包含硬币的图片
Mat DrawImage；//要使用drawKeypoints绘制的图像
SearchImage.copyTo（DrawImage）；
矢量关键点；
检测器->检测（搜索图像、关键点）；
drawKeypoints（搜索图像、关键点、DrawImage、标量（0,0,0）、DrawMatchesFlags:：DRAW_RICH_关键点）；

编辑：

---

这个例子代码是在C++中。对于Python接口，请参见示例。

您的意思是类似（没有大津和一些减小的最大阈值）cv2.threshold（灰色，0250，cv2.thresh_BINARY_INV）cv2.threshold（灰色，160，255，cv2.thresh_BINARY_INV）的东西适用于这种情况，但仅适用于这种情况吗？图像上始终只有一个硬币（两面）？如果您能够使用这些信息精确地找到2个（几乎相同大小）轮廓，那么这项任务应该很容易解决。将图像划分为2个分区子图像会有帮助吗？在圆/椭圆检测之前？>图像上是否总是有一个硬币（两条边）-实际上没有，但我可以从物体的高度/宽度很有可能找到这些信息。感谢BlobDetector，我喜欢这种方法。但问题是无论如何都存在。在某些情况下，它在某些情况下不起作用。我必须微调阈值参数以获得正确答案。事实上，MintThreshold上的brutferoce不是一个坏主意，但不清楚如何检查algo的结果——什么是好答案，什么是坏答案。没有关键点是不好的。但有一个关键点可能是错误的答案（如第三个例子），但可能不是。