用于简单实时圆检测的霍夫变换替代方案

Question

我最近才开始使用 OpenCV 和图像处理，所以请耐心等待

我有以下图片可以使用：

灰色轮廓是跟踪算法的结果，我为调试而绘制的，因此您可以忽略它。

我正在跟踪发光的球体，因此很容易调低相机的曝光度，然后过滤掉剩余的周围噪音。所以我必须处理的始终是带有白色圆圈的黑色图像。有时会发出一点点噪音，但通常这不是问题。

请注意，球体安装在平面上，因此当以特定角度保持时，圆的底部可能会被“切断”，但霍夫变换似乎处理得很好。

目前，我使用霍夫变换来获取位置和大小。但是，即使运动很少，它也会在实际圆圈周围抖动很多。在运动时，它有时会完全失去轨道并且无法检测到任何圆圈。

此外，这是在实时 (30fps) 环境中，我必须运行两个 Hough 圆变换，这在 ryzen 7 cpu 上占用了 30% 的 CPU 负载......

我曾尝试使用二值图像（去除圆的“平滑”轮廓），并更改霍夫变换的设置。使用较低的 dp 值，它似乎不那么抖动，但由于需要处理，它不再是实时的。

这基本上是我的代码：

ImageProcessing.ColorFilter(hsvFrame, Frame, tempFrame, ColorProfile, brightness);
ImageProcessing.Erode(Frame, 1);
ImageProcessing.SmoothGaussian(Frame, 7);
/* Args: cannyThreshold, accumulatorThreshold, dp, minDist, minRadius, maxRadius */
var circles = ImageProcessing.HoughCircles(Frame, 80, 1, 3, Frame.Width / 2, 3, 80);
if (circles.Length > 0)
    ...    

这些ImageProcessing调用只是 OpenCV 框架 (EmguCV) 的包装器

是否有更好的、更少的紧张和更少的性能需求的方式或算法来检测这些类型的（如我所见）非常简单的圆圈？我在互联网上没有找到与这些圈子相匹配的答案。感谢您的任何帮助！

编辑：这是直接从相机中看到的图像，未经处理：

Answer 1

我很想看到人们通过跳到边缘检测和/或霍夫变换来破坏好的信息的频率。

在这种特殊情况下，您有一个可爱的斑点，可以在几分之一毫秒内检测到，并且质心将产生良好的准确性。半径可以仅从该区域获得。

你报告说，在运动的情况下，霍夫会变得紧张；这可能是因为运动模糊或帧交错（取决于相机）。质心应该对这些影响更加稳健。