使用houghCircles（OpenCV）检测小圆圈

Question

我正在尝试使用houghcircles（）检测此裁剪图像中的小圆圈。我尝试更改其参数，但是当我将param2增加到50以上时，它会出错，而当其值小于100时，maxRadius也将出错。现在它可以运行，但性能不佳这是原始图像：

这是结果图像：

这是我的代码：

from imutils.perspective import four_point_transform
from imutils import contours
import numpy as np
import argparse
import imutils
import cv2

im = cv2.imread('crop.png')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray, 200, 255,cv2.THRESH_BINARY)
cimg = cv2.cvtColor(thresh,cv2.COLOR_GRAY2BGR)

c = cv2.HoughCircles(thresh, cv2.HOUGH_GRADIENT, 0.5, 41, param1=70, 
param2=30, minRadius=10,maxRadius=175)
c = np.uint16(np.around(c))

for i in c[0,:]:
    # draw the outer circle
    cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)
    # draw the center of the circle
    cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)

cv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 800,800)
cv2.imshow('img',cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()

请，我应该如何更改参数？

Answer 1

如果尝试在不了解参数作用的情况下更改参数，则将需要很长时间来解决此问题。

这个描述是从这里

minDist：检测到的圆的中心（x，y）坐标之间的最小距离。如果minDist太小，则可能（错误地）检测到与原始对象相同邻域中的多个圆圈。如果minDist太大，则可能根本检测不到某些圆圈。

param1：Yuen等人中用于处理边缘检测的渐变值。方法。

param2：cv2.HOUGH_GRADIENT方法的累加器阈值。阈值越小，将检测到更多的圆圈（包括假圆圈）。阈值越大，可能会返回更多的圈子。

minRadius：半径的最小大小（以像素为单位）。

maxRadius：半径的最大大小（以像素为单位）。

您可以清楚地看到图像中的圆具有固定的半径，并且有最小的距离将它们隔开。如果设置了这两个，则可以改善结果。因此，阅读文档很重要。

关于您的问题，如果您有特殊需要使用Houghcircles，请继续进行微调。您可以做的改进是使用高斯模糊预处理，使用自适应阈值而不是仅阈值。

如果没有必要使用霍夫圆，我建议您改用轮廓。因为它更健壮，并且可以很好地归纳到不同的图像。这是我使用轮廓得到的结果。圆看起来较小，因为我使用腐蚀进行了6次迭代，仅使用了膨胀进行3次迭代。

这是我使用的代码。

import numpy as np
import cv2

image_color= cv2.imread("Ye3gs.png")
image_ori = cv2.cvtColor(image_color,cv2.COLOR_BGR2GRAY)

lower_bound = np.array([0,0,10])
upper_bound = np.array([255,255,195])

image = image_color

mask = cv2.inRange(image_color, lower_bound, upper_bound)

# mask = cv2.adaptiveThreshold(image_ori,255,cv2.ADAPTIVE_THRESH_MEAN_C,\
#             cv2.THRESH_BINARY_INV,33,2)

kernel = np.ones((3, 3), np.uint8)

#Use erosion and dilation combination to eliminate false positives. 
#In this case the text Q0X could be identified as circles but it is not.
mask = cv2.erode(mask, kernel, iterations=6)
mask = cv2.dilate(mask, kernel, iterations=3)

closing = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)

contours = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL,
        cv2.CHAIN_APPROX_SIMPLE)[0]
contours.sort(key=lambda x:cv2.boundingRect(x)[0])

array = []
ii = 1
print len(contours)
for c in contours:
    (x,y),r = cv2.minEnclosingCircle(c)
    center = (int(x),int(y))
    r = int(r)
    if r >= 6 and r<=10:
        cv2.circle(image,center,r,(0,255,0),2)
        array.append(center)

cv2.imshow("preprocessed", image_color)
cv2.waitKey(0)

希望这可以帮助 ：）