opencvですべてのキャンディを検出して数える方法

Question

私は次の画像を持っています そして私はすべてのキャンディーを数えようとしますが、それらのいくつかは交差します。私の次のコードは動作しません。以下のコードは、交差しない場合にのみキャンディーを識別することができます。しかし、交差するとどうするか考えてもいません。

int main(int argc, char** argv) 
{ 
Mat src = imread("C:\\data\\Assignment1A.jpg",0); // reads image from file 
Mat dst = Mat::zeros(src.rows, src.cols, CV_8UC3); 

cv::Scalar min(245, 0, 0); 
cv::Scalar max(255, 255, 255); 
cv::inRange(src, min, max, dst); 

namedWindow("Source", 1); 
imshow("Source", dst); 

vector<vector<Point> > contours; 
vector<Vec4i> hierarchy; 

findContours(dst, contours, hierarchy, 
    CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE); 

cout <<contours.size(); 
size_t count = contours.size(); 
int i = 0; 
for(size_t i = 0; i < contours.size(); i++) { 
    cv::Point2f c; 
    float r; 
    cv::minEnclosingCircle(contours[i], c, r); 
    if (r > 10) { 
     i++;  } 
} 

cout << i << " candies"; 
waitKey(0); 
return 0; 
} 

誰でもこの問題の解決方法を教えてもらえますか？

Answer 1

これはおそらく非常に良い解決策ではありません（同じ色のキャンディーが重ならないという前提でのみ動作します）。 （this article変換し、流域の距離を使用する方法についてもありますが、私は多分キャンディーはあまり重なって、それがこのためにフォーク作ることができなかった？）

1. それはノイズをたくさん持っているし、特にので（白色の背景を削除しますJPEGアーティファクト）。

HSVに変換してHチャネルを取る（コメントで示唆したように）。 ソートは、3つの値（色相）を3つではなく（赤、緑、青）の色を表しており、これらのすべての表面の不規則性をある程度無視しているため、ここでは便利です。下の楕円の一部を背景と区別することはできませんが、心配する必要はありません。

Hの狭い範囲について

（例えば、[1、20]）、（それらの領域の点で）十分に大きな輪郭を見つけるすることが1つのキャンディですが、1つのキャンディ以上にはならないほど小さいです。範囲の[21,40]、[41,60]などでHを繰り返すと、179の最高の色相値に達するまで表示されます。輪郭はそれほど良好ではありませんが、カウントには十分です。あなたは、必要に応じて、迷惑を取り除くために、すべてのステップで拡張/侵食を行うことで、おそらくそれらを改善することができます。

Pythonコード

は、それがどのように動作するかを示すために：

import cv2 
import numpy as np 

#get only contours of more or less the single candy size 
#noise is not included because its area is too small 
#overlapping candies are not included because their area is too big 
#probably there are smarter ways (area/circumference ratio, ellipse fitting, etc.) 
def get_contours(img): 
    area_threshold_max = 120*120 #nice hard-coded empirical values 
    area_threshold_min = 50*50 

    _, contours, _ = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) 
    areas = [cv2.contourArea(c) for c in contours] 
    contours = [c for n, c in enumerate(contours) if area_threshold_min < areas[n] < area_threshold_max] 
    return contours 

#remove background 
img_g = cv2.imread("candy.jpg", 0) #read as grayscale 
_, thresh = cv2.threshold(img_g, 235, 1, cv2.THRESH_BINARY_INV) #mask to include everything that isn't too white 
img = cv2.imread("candy.jpg") #read again as a color image 
black = np.zeros(img.shape).astype(img.dtype) #black image to combine with 
img = cv2.bitwise_or(img, black, mask = thresh) 

#convert to HSV and take only the H value 
img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)[:, :, 0] 

#find contours of a more or less appropriate size within a narrow H range, 
#remove them from the image, increment H, repeat 
contours_all = [] 
h_step = 20 
for h_start in range(0, 180, h_step): 
    rng = np.zeros(img.shape).astype(np.uint8) 
    rng = cv2.inRange(img, h_start + 1, h_start + h_step) 
    contours = get_contours(rng) 
    contours_all += contours 

#draw our contours with their numbers on top of the original image 
img_to_draw = cv2.imread("candy.jpg") 
cv2.drawContours(img_to_draw, contours_all, -1, (0, 0, 0), 2) 
for i, cnt in enumerate(contours_all): 
    (x, y), radius = cv2.minEnclosingCircle(cnt) 
    cv2.putText(img_to_draw, "%d" % (i + 1), (int(x-20), int(y+10)), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 0), 3) 
cv2.putText(img_to_draw, "%d candies" % len(contours_all), (5, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 0), 3) 
cv2.imwrite("result2.png", img_to_draw)