Python：使用OpenCV返回图像中任意/齿形的位置和大小

我对图像处理和目标检测非常陌生。我想提取/识别下图中牙齿的位置和尺寸：

以下是我迄今为止使用OpenCV所做的尝试：

import cv2
import numpy as np

planets = cv2.imread('model.png', 0)
canny = cv2.Canny(planets, 70, 150)
circles = cv2.HoughCircles(canny,cv2.HOUGH_GRADIENT,1,40, param1=10,param2=16,minRadius=10,maxRadius=80)

circles = np.uint16(np.around(circles))

for i in circles[0,:]:
   # draw the outer circle
   cv2.circle(planets,(i[0],i[1]),i[2],(255,0,0),2)

   # draw the center of the circle
   cv2.circle(planets,(i[0],i[1]),2,(255,0,0),3)

cv2.imshow("HoughCirlces", planets)
cv2.waitKey()
cv2.destroyAllWindows()

这是我应用canny过滤器后得到的结果：

这是最终结果：

我不知道从这里到哪里去。我想确认一下所有的牙齿。我该怎么做

---

非常感谢您的帮助。

请注意，牙齿结构或多或少是一条抛物线（倒置）。如果你能猜出那些斑点（牙齿）的质心的抛物线形状，那么你的问题可以简化到一个合理的程度。我已经显示了一条穿过牙齿中心的红线

我建议您采取以下方法：

对图像进行二值化（背景=0，否则为1）。你可以用

计算所有非零像素的质心。这是图像中的中心蓝色圆圈。称之为

结构\u质心

。请参见：

对整个图像进行极轴切片，以

结构\u质心位置为中心。我已经展示了这样的极片（三角形半透明）的卡通图像。覆盖整个360度。请参见：
确定每个极性切片的非零像素的质心位置。请看这些：




包含这些质心的数组提供了牙齿平均位置的轨迹（路径）。称之为
质心路径

在能够检测到的最接近
质心路径的圆上运行消除/选择算法。使用阈值距离删除异常值
这会给你们一个很好的圆齿近似值

我希望这能有所帮助。
能给我一个代码示例吗？我还是个新手。。谢谢你，这些是步骤，这就是我能给你的。但是我为您制定的步骤，您可以对每一个步骤进行操作，并且应该能够找到有关stackoverflow的现有解决方案（最有可能）。但这样的解决方案可能需要几个小时。所以，祝你一切顺利。您可能还想考虑使用<代码> SkVase<代码>，以防您是新的<代码> OpenCV。您会发现另一个有用的库是
sklearn
（可能：取决于用例）。@SolidSnake Ok。我添加了更多的链接，为您指出每个步骤可能存在的解决方案。但坦率地说，这可能是一个不错的项目，可能需要时间。在我看来，这超出了我的回答范围。最好。@ SolidSnake。如果你认为这个想法/答案有帮助，请考虑<代码>投票表决< /代码>和/或<代码>接受< /代码>。谢谢你。我试着听从你的建议，但不幸的是我一事无成。没有明显的答案，因为牙齿的形状不一致。此外，当我将图像转换为二进制/阈值或使用其他技术（如canny或edging）时，大多数情况下形状都是不完整的，因此它们看起来不像完整的圆形/水滴形状。我曾尝试使用轮廓和凸出来检测这些形状，但它们总是返回不完整的结果。我想知道有没有办法检测这些不完整的形状？