提取內環圖像

項目開源部分代碼：Extract-inner-image

項目成果：

• 設計了一套基於背光板（冷光片）和暗箱的圖像處理計數裝置，能夠對較規則目標進行計數，正確率可達99%（每計數500個）；
• 對圓柱形、方形和圓形目標物體，利用距離變換和分水嶺算法分割圖像並提取出各個目標區域，再基於面積特徵，計算出目標個數；
• 對於環形物體，設計了一種提取環形目標物體中內環圖像的算法，將計算目標個數轉化爲計算內環圖像的個數；
• 利用C++語言和OpenCV庫實現了該系統的核心算法，並利用Qt設計了軟件界面。

軟件界面：

算法選型：

• 　　第一期作圓柱形毛氈柱的計數時，首先想到的是滑窗（模板匹配），對於不一樣型號的圓柱形毛氈柱設定特定的模板，而後從左上到右下，遍歷0-180度，根據IOU來判斷是不是一個目標物體，可是對於T形或者L形的擺放會產生誤檢，區域生長算法也是由於沒法避免這種缺點而被淘汰，其次這種算法耗時太長；
•        接着打算直接對目標物體進行分割，嘗試了凹點分割和分水嶺算法，顧名思義，先找到粘連圖像的凹點，再按照必定的規則進行配對分割，可是當兩個圓柱形頂部或側面無縫相接時，是找不到這樣的凹點的，所以須要用到面積特徵來篩選，然而即便篩選事後也不能進行分割；一樣的分水嶺算法也是不能分割相鄰過於緊密的目標；
•        考慮到圓柱形的縱向橫截面積與矩形相似，所以嘗試了角點檢測算法來檢測矩形的四個頂點，實際效果中顯示有些角點未檢測到，而有些角點檢測了屢次。主要的緣由是圓柱形的側面並非嚴格的直角，會有一些弧度，所以這種方法不適用；
•        接着矩形的思路走，矩形有四條邊，所以想起是否能夠用霍夫變換檢測直線，將矩形的四條邊檢測出來，而後按照直線圍成的輪廓來判斷是不是目標物體，可是實際中的目標物體並非嚴格的直線，其次，先用canny邊緣檢測算法時，圖像中傾斜的目標物體的邊緣是鋸齒形狀的間斷的線，所以會出現無數多條誤檢直線，這個方法一樣pass；
•        最後選擇的是基於面積特徵的方法，基本思路是將圖像二值化後，目標區域處理爲白色，計算出圖像中的非零點，而後與一個目標的像素點相除求出目標物體個數。可是這種方法有一個很是明顯的缺點：由於毛氈是有彈性的，並非徹底規則的物體，因此對圖像總體計算像素點會累計很大的偏差。爲下降偏差，首先採用的是對二值化後的圖像進行邊緣處理，簡單求外部輪廓，而後將各個輪廓提取出來求取像素點並計算個數，再對全部個數求和。對算法進行測試時發現，當圖像中目標物體距離比較近時，檢測到的輪廓並很少，分割效果比較差。爲了提升目標的分割個數，換用基於標記的分水嶺算法對圖像進行分割，而後對分割後的圖像進行輪廓提取，結果顯示是可行的。

項目算法：

• 圓柱形、方形和圓柱目標物體的計數算法

　　先對圖像灰度化，二值化，而後進行距離變換，再對變換後的圖像利用分水嶺算法分割，獲得帶有分割線，並對分割區域賦予隨機顏色獲得圖像src_water，用opencv自帶的findContours函數對src_water尋找輪廓contours，輪廓的參數爲RETR_LIST（即所有輪廓），從新建立一個原圖大小的全0圖像（黑色），經過遍歷contours中的輪廓，將輪廓內部所有填充爲白色，生成黑底白目標的mask，與原圖二值化後的圖像相與來提取出各個目標區域。

　　特別注意，本算法使用opencv中自帶的watershed時，原圖參數處的圖片爲原圖二值化後利用Gray2RGB函數將單通道二值圖轉換成三通道圖片。由於本算法涉及到面積特徵，經過這種方式能夠減小偏差。當目標物體顏色爲白色等淺色時，圖像的邊緣會出現陰影，watershed後邊緣會出現不少噪點，影響面積特徵。

　　提取算法的具體流程見下圖：

 

　　上述算法中當循環次數不符合條件時，繼續計算更新後的src_th的非零像素點的緣由是，分水嶺算法並非能徹底將目標物體所有分隔開，會將幾個目標物體分割在一塊兒，也會遺漏幾個目標，所以將提取到的目標在二值圖中刪除後，最後剩下的會是全黑圖或者幾個目標。

　　提取算法的結果圖以下：

• 環形目標物體的計數算法

　　該算法將計算目標個數轉化爲計算內環圖像的個數，所以核心是提取環形目標物體中內環圖像的算法，將背景和環形目標物體置爲一個顏色，內環圖像置爲另外一個顏色，算法流程圖以下：

 　　

　該算法中findcontours的輪廓參數是RETR_EXTERNAL(外部輪廓)，上述算法中當循環次數不符合條件時，繼續對更新後的src_th進行PickUp算法的緣由是同上。PickUp算法的理論結果圖以下：

　　PickUp算法的做用是消除間隙輪廓。當幾個目標物體距離太近，圍成一個封閉空間時，對該圖像求取輪廓會包含內部封閉空間，若是直接對提取出來的圖像src_temp進行兩個mask相與，相或操做，會出現下圖的錯誤，經過PickUp算法能夠將間隙輪廓、封閉空間消除。

        

　　PickUp算法的實際結果圖以下所示：

           

　　將內環圖像提取出來後，對圖像進行腐蝕操做，消除噪點，再對圖像求取輪廓，對輪廓進行計數統計從而獲得目標物體的個數。

 項目程序總結：

• 項目中涉及到使用Opencv中的findcontours函數對二值圖尋找輪廓，二值圖以下圖左所示，findcontours函數以後的二值圖以下圖右所示。

        

• Opencv中形態學的腐蝕膨脹操做默認是對白色元素進行操做，膨脹，直觀上就是把白色區域擴大，腐蝕，與膨脹相反，縮小白色區域。