霍夫变换分割后如何去除重叠的圆圈

Question

我从事图像分割工作，测试了很多不同的分割算法，以便进行比较研究。目前我正在使用 Hough 变换在图像中查找圆圈。我使用的图像有很多对象，所以当 Í 计算对象时，结果是 hudge。我认为问题在于重叠的圆圈。你知道我怎样才能删除重叠的圆圈以获得更接近现实的结果吗？

我使用的代码是：

    clear all, clc;

% Image Reading
I=imread('0001_c3.png');
figure(1), imshow(I);set(1,'Name','Original')

image used

% Gaussian Filter
W = fspecial('gaussian',[10,10]);
J = imfilter(I,W);
figure(2);imshow(J);set(2,'Name','Filtrada média');
X = rgb2gray(J);
figure(3);imshow(X);set(3,'Name','Grey');

% Finding Circular objects -- Houng Transform
[centers, radii, metric] = imfindcircles(X,[10 20], 'Sensitivity',0.92,'Edge',0.03); % [parasites][5 30]

centersStrong = centers(1:60,:); % number of objects
radiiStrong = radii(1:60);
metricStrong = metric(1:60);
viscircles(centersStrong, radiiStrong,'EdgeColor','r');
length(centers)% result=404!

Answer 1

您可以简单地遍历圆圈并检查其他人是否 "close"。如果是这样，请忽略它们。

idx_mask = ones(size(radii));

min_dist = 1; % relative value. Tweak this if slight overlap is OK.
for i = 2:length(radii)
    cur_cent = centers(i, :);
    for j = 1:i-1
        other_cent = centers(j,:);
        x_dist = other_cent(1) - cur_cent(1);
        y_dist = other_cent(2) - cur_cent(2);
        if sqrt(x_dist^2+y_dist^2) < min_dist*(radii(i) + radii(j)) && idx_mask(j) == 1
            idx_mask(i) = 0;
            break
        end
    end
end
%%

idx_mask = logical(idx_mask);
centers_use = centers(idx_mask, :);
radii_use = radii(idx_mask, :);
metric_use = metric(idx_mask, :);

viscircles(centers_use, radii_use,'EdgeColor','b');

图中所有圆圈为红色，过滤后的圆圈为蓝色。

if 子句检查两件事： - 圆心是否比它们的半径之和更近？ - 另一个圈子是否仍在考虑的圈子列表中？如果两个问题的答案都是肯定的，那么忽略 "current circle".

循环的设置方式，它将保留 higher up 的圆圈（具有较低的行索引）。照原样，圆圈已经按 metric 降序排列。换句话说，正如这段代码将保持更高的圈子 metric.

可以优化代码，使循环运行更快，但我认为单张图片中不会有数百万个圆圈。我尝试以一种更易于人类阅读的方式编写它。

霍夫变换分割后如何去除重叠的圆圈

How can i remove overlaping circles after Hough Transform segmentation

matlab

image-segmentation

hough-transform