python+cv2确定图像中亮点的半径

Question

我已经有了可以检测图像中最亮点的代码（只是高斯模糊+寻找最亮的像素）。我正在拍摄日落的照片，现在可以很容易地得到这样的结果：

我的问题是，圆的半径与我使用的高斯模糊程度有关——我想让半径反映照片中太阳的大小（我有一个约500张日落照片的数据集，我正在尝试处理）

这是一幅没有圆圈的图像：

我甚至不知道从哪里开始，我传统的计算机视觉知识是缺乏的。。如果我没有得到答案，我可能会尝试计算从圆心到最近边缘的距离（使用精明的边缘检测）-如果有更好的方法，请告诉我。谢谢你的阅读

Answer 1

下面是在Python/OpenCV中获得代表性圆的一种方法。它找到最小的封闭圆

• 读取输入
• 把右边的白色剪下来
• 变灰
• 应用中值滤波
• 进行Canny边缘检测
• 获取所有白色像素（canny边）的坐标
• 计算最小封闭圆以获得圆心和半径
• 在输入的副本上绘制一个具有该圆心和半径的圆
• 保存结果

输入：

import cv2
import numpy as np

# read image as grayscale
img = cv2.imread('sunset.jpg')
hh, ww = img.shape[:2]

# shave off white region on right side
img = img[0:hh, 0:ww-2]

# convert to gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# median filter
median = cv2.medianBlur(gray, 3)

# do canny edge detection
canny = cv2.Canny(median, 100, 200)

# get canny points
# numpy points are (y,x)
points = np.argwhere(canny>0)

# get min enclosing circle
center, radius = cv2.minEnclosingCircle(points)
print('center:', center, 'radius:', radius)

# draw circle on copy of input
result = img.copy()
x = int(center[1])
y = int(center[0])
rad = int(radius)
cv2.circle(result, (x,y), rad, (255,255,255), 1)

# write results
cv2.imwrite("sunset_canny.jpg", canny)
cv2.imwrite("sunset_circle.jpg", result)

# show results
cv2.imshow("median", median)
cv2.imshow("canny", canny)
cv2.imshow("result", result)
cv2.waitKey(0)

精明的边缘：

结果圆：

center: (265.5, 504.5) radius: 137.57373046875

备选方案

将椭圆拟合到Canny点，然后得到圆半径的两个椭圆半径的平均值。请注意，精明的论点中有一个细微的变化，即只得到日落的顶部

import cv2
import numpy as np

# read image as grayscale
img = cv2.imread('sunset.jpg')
hh, ww = img.shape[:2]

# shave off white region on right side
img = img[0:hh, 0:ww-2]

# convert to gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# median filter
median = cv2.medianBlur(gray, 3)

# do canny edge detection
canny = cv2.Canny(median, 100, 250)

# transpose canny image to compensate for following numpy points as y,x
canny_t = cv2.transpose(canny)

# get canny points
# numpy points are (y,x)
points = np.argwhere(canny_t>0)

# fit ellipse and get ellipse center, minor and major diameters and angle in degree
ellipse = cv2.fitEllipse(points)
(x,y), (d1,d2), angle = ellipse
print('center: (', x,y, ')', 'diameters: (', d1, d2, ')')

# draw ellipse
result = img.copy()
cv2.ellipse(result, (int(x),int(y)), (int(d1/2),int(d2/2)), angle, 0, 360, (0,0,0), 1)

# draw circle on copy of input of radius = half average of diameters = (d1+d2)/4
rad = int((d1+d2)/4)
xc = int(x)
yc = int(y)
print('center: (', xc,yc, ')', 'radius:', rad)
cv2.circle(result, (xc,yc), rad, (0,255,0), 1)

# write results
cv2.imwrite("sunset_canny_ellipse.jpg", canny)
cv2.imwrite("sunset_ellipse_circle.jpg", result)

# show results
cv2.imshow("median", median)
cv2.imshow("canny", canny)
cv2.imshow("result", result)
cv2.waitKey(0)

Canny边缘图像：

输入时绘制的椭圆和圆：

Answer 2

首先使用Canny edge。然后在边缘图像上尝试Hough圆或Hough椭圆。这些都是蛮力方法，所以速度很慢，但它们对非圆形或非椭圆形轮廓有抵抗力。您可以轻松过滤结果，使检测到的结果在最亮点附近有一个中心。此外，了解太阳的估计大小将有助于提高计算速度

您还可以研究使用cv2.findContours和cv2.approxPolyDP从图像中提取连续轮廓。您可以通过周长和形状进行过滤，然后运行最小二乘拟合或Hough拟合

编辑

在Canny边缘检测之前尝试强度过滤器可能是值得的。我怀疑它会大大清理边缘图像