环形霍夫变换错过了圈子

Question

我已经阅读了很多有关Stack Overflow上的Round
Hough变换的信息，但似乎缺少了一些东西。我编写了一个程序，该程序应该能够检测“靶心”目标的圆圈。但是，即使在使用了参数之后，该算法也非常糟糕-
它忽略了大多数圆圈，有一次它找到了一个圆圈，但似乎在“徘徊”。我什至尝试应用“不清晰的蒙版”都无济于事。我已经添加了代码，我开始使用的图像和输出。我希望有人能指出我正确的方向。

import cv2
import cv2.cv as cv
import numpy as np
import math
# Load Image
img = cv2.imread('circles1.png',0)
# Apply Unsharp Mask
tmp = cv2.medianBlur(img,5)
img = cv2.addWeighted(img,1.5,tmp,-0.5,0)
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

# Hough Transform
circles = cv2.HoughCircles(img,cv.CV_HOUGH_GRADIENT,1,5,
                            param1=100,param2=100,minRadius=0,maxRadius=0)

circles = np.uint16(np.around(circles))

# Go over circles, eliminating the ones that are not cocentric enough
height, width = img.shape
center = (width/2,height/2)
for i in circles[0,:]:
    # draw the outer circle
    if math.sqrt((center[0]-i[0])**2 + (center[1]-i[1])**2) < 15:
        cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),1)
        # draw the center of the circle
        cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)

cv2.imshow('detected circles',cimg)

cv2.waitKey(0)
cv2.destroyAllWindows()

快速说明：我加载图像，应用“锐化蒙版”，使用“霍夫变换”来检测圆，然后绘制靠近中心的圆（我发现其他圆是假圆）。

我尝试使用参数，这是我得到的最好的结果。我觉得这是一个非常简单的问题，使我感到震惊。我寻求任何帮助。

Answer 1

正如我在评论中提到的那样，您需要cv2.HoughCircles针对不同的半径范围运行的连续迭代，以确保获得所有圆。通过圆形霍夫变换的工作方式，指定范围很大的最小和最大半径将是不准确的，而且也会很慢。他们没有在文档中告诉您这一点，但是为了使环形霍夫变换成功运行，需要确保以下两点正确：

maxRadius < 3*minRadius
maxRadius - minRadius < 100

使用上述方法，盲目地使最小半径非常小而最大半径却不会给您带来很好的效果。因此，您可以做的是从…说…开始radius=1，然后以radius=30020的步长迭代。在20的每个块之间，运行cv2.HoughCircles并使用这些轮廓更新图像。

这样做几乎不需要修改您的代码。顺便说一句，我删除了模糊的蒙版，因为我得到的效果不佳。我还cv2.HoughCircles稍微更改了几个参数，以根据您的情况使此参数尽可能地发挥作用：

import cv2
import cv2.cv as cv
import numpy as np
import math
# Load Image
img = cv2.imread('circles1.png',0)
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

# Specify different radii
radii = np.arange(0,310,10)

# For each pair of radii...
for idx in range(len(radii)-1):
    # Get the minimum and maximum radius
    # Note you need to add 1 to each minimum
    # as the maximum of the previous pair covers this new minimum
    minRadius = radii[idx]+1
    maxRadius = radii[idx+1]

    # Hough Transform - Change here
    circles = cv2.HoughCircles(img,cv.CV_HOUGH_GRADIENT,1,5,
                               param1=25,param2=75,minRadius=minRadius,maxRadius=maxRadius)

    # Skip if no circles are detected - Change here
    if circles is None:
        continue

    circles = np.uint16(np.around(circles))

    # Go over circles, eliminating the ones that are not cocentric enough
    height, width = img.shape
    center = (width/2,height/2)
    for i in circles[0,:]:
        # draw the outer circle
        if math.sqrt((center[0]-i[0])**2 + (center[1]-i[1])**2) < 15:
            cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),1)
            # draw the center of the circle
            cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)

cv2.imshow('detected circles',cimg)

cv2.waitKey(0)
cv2.destroyAllWindows()

不幸的是，它并不完美，因为它无法检测到所有圈子。您必须使用该cv2.HoughCircles功能，直到获得良好的结果。

但是，我不建议cv2.HoughCircles在这里使用。我可以建议cv2.findContours改用吗？这会找到图像中的所有轮廓。在这种情况下，这些将是黑色圆圈。但是，您需要反转图像，因为cv2.findContours假定非零像素是对象像素，因此我们可以从图像中减去255，并假设np.uint8类型为：

# Make copy of original image
cimg2 = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

# Find contours
contours,_ = cv2.findContours(255 - img, cv2.RETR_LIST, cv.CV_CHAIN_APPROX_NONE)

# Draw all detected contours on image in green with a thickness of 1 pixel
cv2.drawContours(cimg2, contours, -1, color=(0,255,0), thickness=1)

# Show the image
cv2.imshow('detected circles', cimg2)
cv2.waitKey(0)
cv2.destroyAllWindows()