利用Python从图像中提取椭圆形状的食物盘

Question

Food Plate

其想法是提取椭圆形状的板。
我尝试了OpenCV中的HoughCircles方法，但它只适用于完美圆。
我还尝试了skimage中的hough_ellipse方法，但它花费的时间太长，或者我以错误的方式实现了它。
是否可以使用OpenCV模块检测椭圆形状

还有什么其他解决办法

食物盘：

Answer 1

提取板的主键是使用cv2.adaptiveThreshold，但还有几个阶段：

• 转换为灰度并应用具有相对较大高斯噪声的自适应阈值
• 查找连接的组件（群集）。
  查找最大的群集，并仅使用最大的群集创建新映像
• 使用“开放”形态学操作移除一些瑕疵
• 用白色像素填充平板（使用泛光填充）
• 找到等高线，得到面积最大的等高线
• 以最大尺寸绘制轮廓以创建遮罩。
  在原始图像上应用遮罩

通过形状找到椭圆，鲁棒性要差得多

代码如下：

import numpy as np
import cv2
import imutils

img = cv2.imread('food_plate.jpg')

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

# Apply adaptive threshold with gaussian size 51x51
thresh_gray = cv2.adaptiveThreshold(gray, 255, adaptiveMethod=cv2.ADAPTIVE_THRESH_GAUSSIAN_C, thresholdType=cv2.THRESH_BINARY, blockSize=51, C=0)

#cv2.imwrite('thresh_gray.png', thresh_gray)

# Find connected components (clusters)
nlabel,labels,stats,centroids = cv2.connectedComponentsWithStats(thresh_gray, connectivity=8)

# Find second largest cluster (the cluster is the background):
max_size = np.max(stats[1:, cv2.CC_STAT_AREA])
max_size_idx = np.where(stats[:, cv2.CC_STAT_AREA] == max_size)[0][0]

mask = np.zeros_like(thresh_gray)

# Draw the cluster on mask
mask[labels == max_size_idx] = 255

# Use "open" morphological operation for removing some artifacts
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5)))

#cv2.imwrite('mask.png', mask)

# Fill the plate with white pixels
cv2.floodFill(mask, None, tuple(centroids[max_size_idx].astype(int)), newVal=255, loDiff=1, upDiff=1)

#cv2.imwrite('mask.png', mask)

# Find contours, and get the contour with maximum area
cnts = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
cnts = imutils.grab_contours(cnts)

c = max(cnts, key=cv2.contourArea)

# Draw contours with maximum size on new mask
mask2 = np.zeros_like(mask)
cv2.drawContours(mask2, [c], -1, 255, -1)

#cv2.imwrite('mask2.png', mask2)

img[(mask2==0)] = 0

# Save result
cv2.imwrite('img.jpg', img)

结果：