使用 OpenCV 进行圆检测

Posted 2023-02-22

【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