检测openCV中的圆圈

Question

我在为 HoughCircles 函数选择正确的参数时遇到问题。我尝试从视频中检测圆圈。这个圆圈是我做的，尺寸几乎一样。问题是相机在移动。

当我更改 maxRadius 时，它仍然以某种方式检测到更大的圆圈（见右图）。我也尝试更改 param1, param2 但仍然没有成功。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  blurred = cv2.medianBlur(gray, 25)#cv2.bilateralFilter(gray,10,50,50)


  minDist = 100
  param1 = 500
  param2 = 200#smaller value-> more false circles
  minRadius = 5
  maxRadius = 10
  circles = cv2.HoughCircles(blurred, cv2.HOUGH_GRADIENT, 1, minDist, param1, param2, minRadius, maxRadius)

  if circles is not None:
    circles = np.uint16(np.around(circles))
    for i in circles[0,:]:
        cv2.circle(blurred,(i[0], i[1]), i[2], (0, 255, 0), 2) 

也许我使用了错误的功能？

Answer 1

cv2.HoughCircles这里有一种使用轮廓过滤的替代方法，而不必费力地选择正确的参数。这个想法是获得具有大津阈值的二值图像，然后执行形态学操作以隔离椭圆形轮廓。最后，我们使用纵横比和轮廓面积找到轮廓并进行过滤。结果如下：

import cv2
import numpy as np

# Load image, grayscale, median blur, Otsus threshold
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.medianBlur(gray, 11)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

# Morph open 
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=3)

# Find contours and filter using contour area and aspect ratio
cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.04 * peri, True)
    area = cv2.contourArea(c)
    if len(approx) > 5 and area > 1000 and area < 500000:
        ((x, y), r) = cv2.minEnclosingCircle(c)
        cv2.circle(image, (int(x), int(y)), int(r), (36, 255, 12), 2)

cv2.imshow('thresh', thresh)
cv2.imshow('opening', opening)
cv2.imshow('image', image)
cv2.waitKey()     

Answer 2

代码中的主要问题是HoughCircles函数的第五个参数。

\n\n

根据文档，参数列表是：

\n\n

cv2.HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]]) \xe2\x86\x92 circles

\n\n

这意味着第五个参数适用circles（它提供了一个通过引用获取输出的选项，而不是使用返回值）。

\n\n

因为您没有传递circles参数，所以必须为第四个参数之后的所有参数传递命名参数（例如param1=param1, param2=param2....）。

\n\n

参数调整问题：

\n\n

\n
• 减小 的值param1。\nparam1是传递给 Canny 的较高阈值。
  \n在你的情况下，值应该约为30.
\n
• 减少\n的值param2\n文档不太清楚，但设置周围的值50是可行的。
\n
• 增加maxRadius值 - 半径10比圆的半径小得多。
\n

\n\n

这是代码：

\n\n

import numpy as np\nimport cv2\n\nimg = cv2.imread(\'circles.png\')\n\ngray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)\n\nblurred = cv2.medianBlur(gray, 25) #cv2.bilateralFilter(gray,10,50,50)\n\nminDist = 100\nparam1 = 30 #500\nparam2 = 50 #200 #smaller value-> more false circles\nminRadius = 5\nmaxRadius = 100 #10\n\n# docstring of HoughCircles: HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]]) -> circles\ncircles = cv2.HoughCircles(blurred, cv2.HOUGH_GRADIENT, 1, minDist, param1=param1, param2=param2, minRadius=minRadius, maxRadius=maxRadius)\n\nif circles is not None:\n    circles = np.uint16(np.around(circles))\n    for i in circles[0,:]:\n        cv2.circle(img, (i[0], i[1]), i[2], (0, 255, 0), 2)\n\n# Show result for testing:\ncv2.imshow(\'img\', img)\ncv2.waitKey(0)\ncv2.destroyAllWindows()\n

\n\n\n\n

结果：

\n\n

\n