?本文主要使用Hough变换的方法提取图片中圆形信息。
主要使用了matlab中的imfindcircles函数，功能参数详见其文档。
- 使用此函数需要注意的几点：
1）当 radius（或 rmin）的值小于或等于 5 时，imfindcircles 的准确度会受到限制；
2）imfindcircles 找不到圆心位于图像区域之外的圆形；
3）imfindcircles 会预处理二值（逻辑值）图像以提高结果的准确度。在处理真彩色图像之前，它使用 rgb2gray 函数将其转换为灰度图像。
%此程序用来识别和跟踪视频中的颗粒及其轨迹
%% 读取图片信息
% %test；
% RGB= imread('F:\desktop\轨迹熵\实验\目标检测跟踪\granule4.png');
% imshow(RGB)
% 将视频拆解成图片；
video = VideoReader('E:\20220326\125-2fps.avi');
N_Frames = video.NumFrames; %得到帧数
H = video.Height; %得到高度
W = video.Width; %得到宽度
Rate = video.FrameRate;
% Preallocate movie structure.
% mov(1:nFrames) = struct('cdata',zeros(H,W,3,'uint8'),'colormap',[]);
%read one frame every time
% for i = 1:1000
% mov(i).cdata = read(video,i);
% RGB= mov(i).cdata;
% % disp('当前播帧数：'),disp(i);
% % imshow(RGB);
% end
% 由于不需要存储每张图片，所以不需要mov结构来储存数据；
%待将此处化为循环结构；
%
% %test
% i=1156805;
% RGB=read(video,i);
% bw=imbinarize(RGB,'global'); %由于图片本来就是灰度图，直接转为二值图；
% %此处为了提高后续的识别成功率；
% %虽然多出此步骤，但是由于为二值函数，imfindcircles函数的速率也加快，速度总体与之前基本持平；
% bw=bwareaopen(bw,60); %去掉连通像素小于60的区域；
%
% %注意在识别之前，需要先取一个很大的半径范围，进而确认目标是在哪个范围之内，缩小范围，进而节省上述手动划线过程；
% %如果被识别的颗粒直径有变化需要修改此参数！！！！！！！！！！！！！！！
% Rmin = 7;
% Rmax = 16;
% [center, radius]=imfindcircles(bw,[Rmin Rmax],'Sensitivity',0.9,'ObjectPolarity','bright'); %调节ObjectPolarity属性可以实现对不同颜色的区分；
% imshow(bw);
% h=viscircles(center,radius); %显示圆形轮廓；
immatrix=imshow(bw); %将图片化为数值矩阵；
fid_position=fopen('E:\20220326\125-2fps_position.txt','w');
fid_problem=fopen('E:\20220326\125-2fps_position_problem.txt','w');
tic
for i=376841:1:739966
RGB=read(video,i);
bw=imbinarize(RGB,'global'); %由于图片本来就是灰度图，直接转为二值图；
%此处为了提高后续的识别成功率；
%虽然多出此步骤，但是由于为二值函数，imfindcircles函数的速率也加快，速度总体与之前基本持平；
bw=bwareaopen(bw,60); %去掉连通像素小于60的区域；
%注意在识别之前，需要先取一个很大的半径范围，进而确认目标是在哪个范围之内，缩小范围，进而节省上述手动划线过程；
%如果被识别的颗粒直径有变化需要修改此参数！！！！！！！！！！！！！！！
Rmin = 7;
Rmax = 16;
[center, radius]=imfindcircles(bw,[Rmin Rmax],'Sensitivity',0.9,'ObjectPolarity','bright'); %调节ObjectPolarity属性可以实现对不同颜色的区分；
%此处sensitivity的值在0.9附近对结果影响很敏感，0.9为一经验值；
% disp(i);
if length(center)==10
for j=1:1:10
fprintf(fid_position,'%15.10f %15.10f\n',center(j,:));
end
elseif length(center)>10
disp('oh no');
% imshow(bw);
% h=viscircles(center,radius); %显示圆形轮廓；
% drawnow;
disp(i);
disp(center);
%有时识别出的圆的数量大于实际数量，需要剔除多于的圆心数据；
D=pdist(center); %计算行与行之间的欧几里得距离；
Z=squareform(D); %为了方便识别行号和列号，将上述结果转为方阵，第i行j列，即代表center第i行与第j行所代表向量之间的距离；
U=triu(Z); %为了方便识别行号和列号，只取出矩阵的上三角部分；
[row,col]=find(U>0 & U<10); %如果圆心距离大于0小于10，则认为两个圆心重复；如果被识别的颗粒直径有变化需要修改此参数！！！！！！！！
center(row,:)=[]; %任意去掉其中重复的圆心；
if length(center)~=10
disp(['There is a problem with this frame:',num2str(i)]); %以防万一；
disp(center);
fprintf(fid_problem,'%10d\n',i);
else
disp('successful!!!');
disp(center);
for j=1:1:10
fprintf(fid_position,'%15.10f %15.10f\n',center(j,:));
end
end
%有时识别出的圆的数量小于实际数量，暂无更好的办法，此处调节识别圆的sensitivity，但是有风险；
else
disp(['There is a problem with this frame:',num2str(i)]); %以防万一；
disp(center);
fprintf(fid_problem,'%10d\n',i);
end
% imshow(bw)
% h=viscircles(center,radius); %显示圆形轮廓；
% drawnow; %为了连续显示图窗；
end
fclose(fid_position);
fclose(fid_problem);
toc
%注意检查各矩阵是否与实际颗粒的数目是否一样；
%% 将图片转为二值图片，凸显边缘
% % I = rgb2gray(RGB); %图片本来就是灰度图片，不需要再转为灰度图；
% imhist(RGB); %查看图片的灰度分布
% bw = imbinarize(RGB); %由于图片本来就是灰度图，直接转为二值图；
% % imshow(bw)
% imhist(bw); %查看图片的灰度分布
% imwrite(bw,'E:\20220326\125-2fps.png');
%
% % 删除包含少于阈值像素的所有对象
% bw = bwareaopen(bw,60);
% imshow(bw)
% % 填充笔帽中的间隙
% se = strel('disk',2);
% bw = imclose(bw,se);
% imshow(bw)
%
% %填充任何孔洞，以便可以使用 regionprops 来估计每个边界所包围的面积
% bw = imfill(bw,'holes');
% imshow(bw)
% %手动估算颗粒直径的长度
% d = drawline; %在figure图中对颗粒的直径划线
% pos = d.Position;
% diffPos = diff(pos);
% diameter = hypot(diffPos(1),diffPos(2))- 注意此识别程序并不能完全理想的挑选出所有的圆形，程序中把异常值的情况挑选了出来，输出到了
‘E:\20220326\125-2fps_position_problem.txt’
- 识别正常的情况：
- 识别异常情况：
参考文献：