热像仪动物检测：如何识别OTSU处理后图像的类圆形对象？

我正在分析热像仪拍摄的野外动物图像，先对图像进行放大处理，再通过OTSU方法得到二值化图像，希望通过判断黑白图像中是否存在类圆形对象，来判定对应区域是否存在动物。

处理前后图像如下：

OTSU处理后图像：

类圆形对象检测方法 #

1. 基于轮廓的圆度计算 #

先提取二值图像中的轮廓，通过圆度指标判断形状是否接近圆形：

• 圆度公式：4π*面积/(周长²)，值越接近1，形状越趋近于标准圆形。
• 操作步骤：
  1. 用cv2.findContours()提取图像轮廓；
  2. 遍历每个轮廓，计算其面积与周长；
  3. 代入公式计算圆度，设定阈值（如0.7），超过阈值则判定为类圆形。

示例代码（Python+OpenCV）：

import cv2
import numpy as np

# 读取二值化图像
binary_img = cv2.imread('otsu_output.png', 0)
# 提取外部轮廓
contours, _ = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    area = cv2.contourArea(cnt)
    perimeter = cv2.arcLength(cnt, closed=True)
    # 避免周长为0的异常情况
    if perimeter == 0:
        continue
    circularity = 4 * np.pi * area / (perimeter ** 2)
    # 自定义圆度阈值
    if circularity > 0.7:
        print("检测到类圆形对象")
        # 绘制轮廓标记目标
        cv2.drawContours(binary_img, [cnt], -1, (127), 2)

cv2.imshow('Detected Circular Objects', binary_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 霍夫圆变换检测 #

利用OpenCV的霍夫圆变换直接检测图像中的圆形，适合检测完整度较高的类圆形目标：

• 操作要点：先对图像做模糊处理（如中值滤波）减少噪声干扰，再调整霍夫变换的参数（圆心间距、半径范围等）适配场景。

示例代码（Python+OpenCV）：

import cv2
import numpy as np

binary_img = cv2.imread('otsu_output.png', 0)
# 中值滤波去噪
blurred_img = cv2.medianBlur(binary_img, 5)
# 霍夫梯度法检测圆
circles = cv2.HoughCircles(
    blurred_img,
    cv2.HOUGH_GRADIENT,
    dp=1,
    minDist=20,
    param1=50,
    param2=30,
    minRadius=10,
    maxRadius=100
)

if circles is not None:
    circles = np.uint16(np.around(circles))
    print(f"共检测到{len(circles[0])}个类圆形对象")
    # 绘制检测到的圆
    for circle in circles[0, :]:
        # 绘制圆轮廓
        cv2.circle(binary_img, (circle[0], circle[1]), circle[2], (127), 2)
        # 绘制圆心
        cv2.circle(binary_img, (circle[0], circle[1]), 2, (127), 3)

cv2.imshow('Hough Circle Detection', binary_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. 优化建议 #

• 二值化后先做形态学开运算（cv2.morphologyEx()），去除小噪点，减少误检；
• 根据实际热像场景调整圆度阈值或霍夫变换参数，适配不同动物的热成像轮廓特征。

内容的提问来源于stack exchange，提问作者Sina M