你对提取特征点的位置有什么好主意吗？

Question

我一直在用OpenCV3.2做一项关于python计算机视觉的作业。现在我很难提取出特征点的准确位置。图像就像这。

二值图像就像这。

我必须知道椭圆在板块中的准确位置。

我试着使用cv2.findContos，但我发现很难获得令人满意的结果。我正在考虑使用cv2。在选择一片可以减少噪音影响的区域后，使用cv2.findContours。然而，考虑到图片的数量，这是很难实现的。所以我想找个更好的主意。

Answer 1

在评论意见之后，有两种可能的办法来实现这一目标：

方法1：SimpleBlobDetector

这个检测器是用来检测圆形气泡的。C++代码

 Mat image = imread("image.jpg");
 Ptr<FeatureDetector> blobsDetector = FeatureDetector::create("SimpleBlob");
 vector<KeyPoint> keypoints;
 blobsDetector->detect(image, keypoints);
 // Drawing 
 Mat drawImage = image.clone();
 for (size_t i = 0; i < keypoints.size(); ++i){
   circle(drawImage, keypoints[i].pt, 4, Scalar(255, 0, 255), -1); }
 imwrite("result.png", drawImage);`

方法2：正如OP所说的轮廓检测。https://github.com/opencv/opencv_attic/blob/master/opencv/samples/cpp/fitellipse.cpp的等高线可能需要对参考图像进行过滤。你可以这样做：

1. 创建两个零像素值的二进制图像，一个用于绘制等高线，另一个用于绘制椭圆。
2. 扫描每个轮廓，并在二值图像中绘制它，同时将椭圆绘制到其他二进制位对应的轮廓。对于这两种情况，都使用CV_FILLED作为厚度参数。
3. 现在，在两个二进制图像之间执行bitwise_xor，并计算结果上的非零像素数。如果结果接近于零，则等高线与椭圆相同，否则不会。
4. 对每个轮廓重复。

PS。我仍然认为HoughTransform是可行的，但是使用哪种方法由您来决定。希望能帮上忙！