ellipse de détection dans opencv python

Mon image est ici:

je suis à la recherche d'une meilleure solution ou un algorithme pour détecter l'ellipse partie (plat) dans cette photo et d'un masque dans une autre photo dans Opencv.
pourriez-vous me donner quelques conseils ou une solution.
et mon code est :

 circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1.2, 1, param1=128, minRadius=200, maxRadius=600)
    # draw detected circles on image
    circles = circles.tolist()
    for cir in circles:
        for x, y, r in cir:
            x, y, r = int(x), int(y), int(r)
            cv2.circle(img, (x, y), r, (0, 255, 0), 4)

    # show the output image
    cv2.imshow("output", cv2.resize(img, (500, 500)))

Vous n'avez pas besoin de l'ellipse de détection d'ici (d'ailleurs, ne sont pas disponibles dans OpenCV). Vous êtes probablement bon avec un simple seuil lumineux valeurs, et de garder la plus grande composante connexe. Aussi, s'il vous plaît montrer ce que vous avez essayé
Une simple couleur de segmentation peuvent fonctionner aussi bien.
Je suis l'ajout de la partie spéciale du code, qui est relié à ma question, souhaitez-vous prendre un coup d'oeil il plz.

InformationsquelleAutor Mohammad Mostafavi | 2017-02-13

Il existe une alternative dans skimage faite par Xie, Yonghong, and Qiang Ji et publié en tant que...

“Un nouveau efficace ellipse de détection de la méthode.” La Reconnaissance Des Formes, 2002.
Les procédures. 16e Conférence Internationale sur l'. Vol. 2. IEEE, 2002.

Leur Ellipse code de détection est relativement lente, et l'exemple que prend environ 70 secondes, comparativement à un site web revendiquée "28 secondes".

Si vous avez conda ou pip: "nom" installer scikit-image et lui donner un coup de feu...

Leur code peut être trouvé ici ou copier/coller ci-dessous:

import matplotlib.pyplot as plt
from skimage import data, color, img_as_ubyte
from skimage.feature import canny
from skimage.transform import hough_ellipse
from skimage.draw import ellipse_perimeter
# Load picture, convert to grayscale and detect edges
image_rgb = data.coffee()[0:220, 160:420]
image_gray = color.rgb2gray(image_rgb)
edges = canny(image_gray, sigma=2.0,
low_threshold=0.55, high_threshold=0.8)
# Perform a Hough Transform
# The accuracy corresponds to the bin size of a major axis.
# The value is chosen in order to get a single high accumulator.
# The threshold eliminates low accumulators
result = hough_ellipse(edges, accuracy=20, threshold=250,
min_size=100, max_size=120)
result.sort(order='accumulator')
# Estimated parameters for the ellipse
best = list(result[-1])
yc, xc, a, b = [int(round(x)) for x in best[1:5]]
orientation = best[5]
# Draw the ellipse on the original image
cy, cx = ellipse_perimeter(yc, xc, a, b, orientation)
image_rgb[cy, cx] = (0, 0, 255)
# Draw the edge (white) and the resulting ellipse (red)
edges = color.gray2rgb(img_as_ubyte(edges))
edges[cy, cx] = (250, 0, 0)
fig2, (ax1, ax2) = plt.subplots(ncols=2, nrows=1, figsize=(8, 4), sharex=True,
sharey=True,
subplot_kw={'adjustable':'box-forced'})
ax1.set_title('Original picture')
ax1.imshow(image_rgb)
ax2.set_title('Edge (white) and result (red)')
ax2.imshow(edges)
plt.show()

InformationsquelleAutor ZF007

2

APPROCHE 1:

Comme suggéré par Miki, j'ai été en mesure de détecter l'ellipse dans l'image donnée à l'aide de propriétés du contour (en cela, j'ai utilisé le domaine de la propriété).

CODE:
```
#--- First obtain the threshold using the greyscale image ---
ret,th = cv2.threshold(gray,127,255, 0)
#--- Find all the contours in the binary image ---
_, contours,hierarchy = cv2.findContours(th,2,1)
cnt = contours
big_contour = []
max = 0
for i in cnt:
area = cv2.contourArea(i) #--- find the contour having biggest area ---
if(area > max):
max = area
big_contour = i 
final = cv2.drawContours(img, big_contour, -1, (0,255,0), 3)
cv2.imshow('final', final)
```
C'est ce que j'ai obtenu:

APPROCHE 2:

Vous pouvez également utiliser l'approche suggérée par vous dans ce cas. Hough détection de l'ellipse/cercle.

Vous devez vous pré-traitement de l'image. J'ai effectué adaptative seuil et obtenu ceci:

Maintenant, vous pouvez effectuer Hough cercle de détection sur cette image.

Espère que c'est pas une bouchée!!
😀
- merci chers pour m'aider, mais mon problème est que je ne peux pas utiliser le contour de la Zone de méthode, je suis en train de le faire avec HoughCircles transformer , mais mon problème est que je ne peux pas dessiner une ellipse autour de mon plat pourriez-vous m'aider comment puis-je faire avec cet algorithme ? merci d'avance
- Vous pouvez essayer de détection de cercle à l'aide de transformation de Hough sur la deuxième image que j'ai posté. Lui donner un essai
- Un petit conseil: HoughCircles ne détecte pas des points de suspension... juste cercles 😉 @Moh
- qu'en est approximative des cercles??? Je me demandais juste...
- Non, vous ne pouvez pas remplir le hough accumulateur eh bien, si les points ne sont pas sur une circonférence... seulement des ellipses avec les deux axes très similaires. Et l'approximation d'une ellipse avec un cercle est la plupart du temps une mauvaise approximation
InformationsquelleAutor Jeru Luke

Vous devez vous connecter pour publier un commentaire.