Подсчет монет с использованием OpenCV

Question

Я пытался разработать программу, написанную на C ++ и использующую OpenCV, которая подсчитывает общую стоимость монет, показанных на некотором изображении. Должен отметить, что я новичок в платформе opencv.

Насколько я понимаю, для достижения этой цели необходимо использовать преобразование Хафа для определения соотношения монет. Я нашел этот пример кода на сайте OpenCV, но не могу указать значение для монет.

Вот что я сделал до сих пор.

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>

using namespace std;
using namespace cv;
namespace
{

    const std::string windowName = "Coins detection";
    const std::string cannyThresholdTrackbarName = "Canny threshold";
    const std::string accumulatorThresholdTrackbarName = "Accumulator Threshold";


    const int cannyThresholdInitialValue = 41;
    const int accumulatorThresholdInitialValue = 87;
    const int maxAccumulatorThreshold = 200;
    const int maxCannyThreshold = 255;

    void HoughDetection(const Mat& src_gray, const Mat& src_display, int cannyThreshold, int accumulatorThreshold)
    {

        std::vector<Vec3f> circles;

        HoughCircles( src_gray, circles, HOUGH_GRADIENT, 1, src_gray.rows/8, cannyThreshold, accumulatorThreshold, 0, 0 );


        Mat display = src_display.clone();
        for( size_t i = 0; i < circles.size(); i++)
        {
            Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
            int radius = cvRound(circles[i][2]);



            circle( display, center, 3, Scalar(0,255,0), -1, 8, 0 );

            circle( display, center, radius, Scalar(0,0,255), 3, 8, 0 );

        }


        imshow( windowName, display);
    }
}


int main(int argc, char** argv)
{
    Mat src, src_gray;


    String imageName("c:\\moedas.jpg");
    if (argc > 1)
    {
       imageName = argv[1];
    }
    src = imread( imageName, IMREAD_COLOR );

    if( src.empty() )
    {
        std::cerr<<"Invalid input image\n";

        return -1;
    }


    cvtColor( src, src_gray, COLOR_BGR2GRAY );


    GaussianBlur( src_gray, src_gray, Size(9, 9), 2, 2 );


    int cannyThreshold = cannyThresholdInitialValue;
    int accumulatorThreshold = accumulatorThresholdInitialValue;


    namedWindow( windowName, WINDOW_AUTOSIZE );
    createTrackbar(cannyThresholdTrackbarName, windowName, &cannyThreshold,maxCannyThreshold);
    createTrackbar(accumulatorThresholdTrackbarName, windowName, &accumulatorThreshold, maxAccumulatorThreshold);


    char key = 0;
    while(key != 'q' && key != 'Q')
    {

        cannyThreshold = std::max(cannyThreshold, 1);
        accumulatorThreshold = std::max(accumulatorThreshold, 1);


        HoughDetection(src_gray, src, cannyThreshold, accumulatorThreshold);


        key = (char)waitKey(10);
    }

    return 0;
}

Answer 1

Код, который у вас есть, только сегменты фигуры окружности во входном изображении. Это всего лишь первый шаг для подсчета монет. Существует множество способов выполнения этой задачи, начиная от простых методов подсчета контуров и заканчивая сложным глубоким обучением, и объяснение таких методов слишком широкое и широкое, чтобы его можно было эффективно и кратко сформулировать в ответе SO. Однако вот несколько детекторов / счетчиков монет реализаций / учебных пособий, которые вы можете проверить:

• Реализация 1 в Python . Это лучший из списка, хотя файл кода больше вашего, его не так сложно перенести на C ++. Он имеет лучшую производительность обнаружения / подсчета, но имеет дело с нейронными сетями, в частности, с многоуровневым персептроном.

• Реализация 2 в Python . Это очень маленький файл кода, почти такой же большой, как ваш, и не имеет идиоматического кода Python, его перенос на C ++ не составляет никакого труда, вы должны начать здесь . Эта реализация использует простой подсчет контуров с помощью детектора краев Canny.

• Учебное пособие 1 на C ++ . Простой учебник на C ++, но он служит только для ознакомительных целей, перечисленные выше реализации являются реальными.