有办法探测中间的空心圆圈吗？

Question

我试着检测出整个音符和半音符，但对于半音符，我似乎无法察觉，因为它是一个空洞化的圆圈。有什么方法可以探测空洞化的圆圈吗？

示例：

​

这是我的代码：

#include "opencv2/opencv.hpp"

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{

    // Read image
    Mat im = imread("beethoven_ode_to_joy.jpg", IMREAD_GRAYSCALE);

    // Setup SimpleBlobDetector parameters.
    SimpleBlobDetector::Params params;

    // Change thresholds
    params.minThreshold = 10;
    params.maxThreshold = 200;

    // Filter by Area.
    params.filterByArea = true;
    params.minArea = 15;

    // Filter by Circularity
    params.filterByCircularity = true;
    params.minCircularity = 0.1;

    // Filter by Convexity
    params.filterByConvexity = true;
    params.minConvexity = 0.01;

    // Filter by Inertia
    params.filterByInertia = true;
    params.minInertiaRatio = 0.01;


    // Storage for blobs
    vector<KeyPoint> keypoints;


#if CV_MAJOR_VERSION < 3   // If you are using OpenCV 2

    // Set up detector with params
    SimpleBlobDetector detector(params);

    // Detect blobs
    detector.detect(im, keypoints);
#else 

    // Set up detector with params
    Ptr<SimpleBlobDetector> detector = SimpleBlobDetector::create(params);

    // Detect blobs
    detector->detect(im, keypoints);
#endif 

    // Draw detected blobs as red circles.
    // DrawMatchesFlags::DRAW_RICH_KEYPOINTS flag ensures
    // the size of the circle corresponds to the size of blob

    Mat im_with_keypoints;
    drawKeypoints(im, keypoints, im_with_keypoints, Scalar(0, 0, 255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

    // Show blobs
    imshow("keypoints", im_with_keypoints);
    imwrite("a.jpg", im_with_keypoints);
    waitKey(0);

}

Answer 1

我对你的建议是使用一些机器学习算法。简单地说，这是一个完整的想法:您首先需要为图像创建一个培训集。在训练中，你需要给一些东西贴上标签。其中一个标签是“空心圆”。然后你给其他音符贴上标签。我不知道有多少音符，但你可以把每个音符分别贴上标签，或者把所有不是神圣圆圈的音符都贴上标签。你也可以给背景贴上标签。然后，对培训数据进行机器学习模型的训练，然后将测试数据(模型在培训过程中没有看到的图像)输入其中，并获得准确性。您可以将数据拆分为培训和验证集进行培训。

对于标签，您可以使用本网站。

Answer 2

有不同的方法可以做到这一点。这里有一个简单的例子：

• 首先(可选)，我会使用Hough变换来检测分区，而不是音符，因为处理更简单的图像通常更容易。你知道你必须找到的垂直/水平线的数目，所以很容易将Hough变换参数化。如果您的图像被完美扫描，您也可以使用直方图投影(也称为积分投影函数)。
• 由于有些注释还没有完全满，我会从一个小的FillHole操作(请看这里或这里)开始。它也可以通过关闭来完成。如果你不这样做，你只分割整个笔记(见下面的结果)。
• 现在，你表演一个小开口，它只剩下键和音符。

结果：

• 开场结果没有填充物。
• 充填效果。
• 最终结果 (填充+开口)。还不完美，但非常接近最终的解决方案，特别是如果您首先应用Hough变换，并应用我的评论下面。

一般评论:不要使用JPG格式，它增加了大量的手工艺品，这在图像处理中尤其令人讨厌，尤其是当你从事如此微小的模式检测时。

Answer 3

模板匹配可能是相当普遍的，我不知道你的意思。

空洞化的圆圈就是圆圈--正如我们所说的。

所以我的第一个建议是使用hough变换(你的圆圈是否变成椭圆，你可以看到)。

因为你的圆圈只有一个大小，所以你可以成功地完成霍夫变换-阅读有关它的文章。