使用 OpenCV 进行圆检测
Posted
技术标签:
【中文标题】使用 OpenCV 进行圆检测【英文标题】:Circle detection with OpenCV 【发布时间】:2017-03-07 21:26:03 【问题描述】:如何提高以下圆圈检测代码的性能
from matplotlib.pyplot import imshow, scatter, show
import cv2
image = cv2.imread('points.png', 0)
_, image = cv2.threshold(image, 254, 255, cv2.THRESH_BINARY)
image = cv2.Canny(image, 1, 1)
imshow(image, cmap='gray')
circles = cv2.HoughCircles(image, cv2.HOUGH_GRADIENT, 2, 32)
x = circles[0, :, 0]
y = circles[0, :, 1]
scatter(x, y)
show()
使用以下源图片:
我已尝试调整HoughCircles
函数的参数,但它们会导致误报过多或误报过多。特别是,我无法在两个斑点之间的间隙中检测到虚假圆圈:
【问题讨论】:
如果您认为该答案有帮助,请考虑接受。 【参考方案1】:@Carlos,在您所描述的情况下,我并不是 Hough Circles 的忠实粉丝。老实说,我觉得这个算法非常不直观。在您的情况下,我建议使用 findContour()
函数,然后计算质心。因此,我稍微调整了霍夫的参数以获得合理的结果。在 Canny 之前,我还使用了一种不同的预处理方法,因为除了那个特定的情况之外,我看不出该阈值在任何其他情况下如何工作。
霍夫法:
寻找质心:
还有代码:
from matplotlib.pyplot import imshow, scatter, show, savefig
import cv2
image = cv2.imread('circles.png', 0)
#_, image = cv2.threshold(image, 254, 255, cv2.THRESH_BINARY)
image = cv2.GaussianBlur(image.copy(), (27, 27), 0)
image = cv2.Canny(image, 0, 130)
cv2.imshow("canny", image)
cv2.waitKey(0)
imshow(image, cmap='gray')
circles = cv2.HoughCircles(image, cv2.HOUGH_GRADIENT, 22, minDist=1, maxRadius=50)
x = circles[0, :, 0]
y = circles[0, :, 1]
scatter(x, y)
show()
savefig('result1.png')
cv2.waitKey(0)
_, cnts, _ = cv2.findContours(image.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
# loop over the contours
for c in cnts:
# compute the center of the contour
M = cv2.moments(c)
cX = int(M["m10"] / M["m00"])
cY = int(M["m01"] / M["m00"])
#draw the contour and center of the shape on the image
cv2.drawContours(image, [c], -1, (125, 125, 125), 2)
cv2.circle(image, (cX, cY), 3, (255, 255, 255), -1)
cv2.imshow("Image", image)
cv2.imwrite("result2.png", image)
cv2.waitKey(0)
这两种方法都需要一些更精细的调整,但我希望这能给你更多的工作。
来源:this answer 和 pyimagesearch。
【讨论】:
当有许多圈子靠近时,霍夫变换变得不可靠,因为不同圈子的部分结合起来会产生一个新圈子的可能性。正如@m3h0w 所示,您可以调整霍夫参数并使用更高级的功能,如轮廓和矩。关键是要么在霍夫变换之前对图像进行预处理,要么在变换之后对结果进行后处理,或者两者都做。 @m3h0w 啊哈,又是一个大师。希望也有一个选项可以收藏答案。【参考方案2】:虽然可以为给定图像微调霍夫圆,但图像之间的最佳参数可能会有很大差异。因此,尽管可行,但使用 Hough Circles 使圆检测变得稳健需要付出相当大的努力!
相反,我建议使用更现代的方法,例如:
基于弧邻接矩阵的快速椭圆检测 (https://ieeexplore.ieee.org/document/8972900)。可用代码:https://github.com/Li-Zhaoxi/AAMED 圆弧支持线段检测(https://ieeexplore.ieee.org/document/8296246)。可用代码:https://github.com/AlanLuSun/Circle-detection【讨论】:
以上是关于使用 OpenCV 进行圆检测的主要内容,如果未能解决你的问题,请参考以下文章