Python OpenCV HoughCircles 没有给出好的结果答案

【问题标题】：Python OpenCV HoughCircles not giving good resultsPython OpenCV HoughCircles 没有给出好的结果
【发布时间】：2023-03-30 12:45:01
【问题描述】：

我需要进行快速准确的圆检测，因此我认为使用 OpenCV 的 Hough Circle 将是一个不错的选择。不幸的是，无论我给它的图像有多好，我调整了多少参数，它都拒绝检测图像中的所有圆圈。这是我的输入图像：

我想检测每个圆圈。首先，我通过滤色器运行图像以提取灰色

frame = cv2.imread("new1.JPG")
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

lower_gray = np.array([0, 0, 0], dtype=np.uint8)
upper_gray = np.array([100,100,100], dtype=np.uint8)

mask = cv2.inRange(frame, lower_gray, upper_gray)
res = cv2.bitwise_and(frame,frame, mask= mask)

gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 1, 255, cv2.cv.CV_THRESH_BINARY)

这给了我以下阈值，我认为这实际上非常好。

即使有这么好的阈值，圆圈检测充其量也只是平庸。

circles = cv2.HoughCircles(thresh,cv2.cv.CV_HOUGH_GRADIENT,1,20,param1=50,param2=10,minRadius=2,maxRadius=15)

我应该使用另一种技术吗？我的轮廓效果很好，但速度很慢。

【问题讨论】：

标签： python opencv geometry contour

【解决方案1】：

在尝试使用 houghCircles 方法之前，您可以尝试使用 cv2.dilate(img, kernel) 来加粗线条。

另外一种处理噪声的通用方法是执行 cv2.erode(img, kernel) 来稀释白色，从而消除图像中的小像素。

延伸阅读：http://docs.opencv.org/trunk/doc/py_tutorials/py_imgproc/py_morphological_ops/py_morphological_ops.html

Kernel 只是一个类似于 np.ones() 的矩阵，但您可以尝试各种不同的矩阵，直到获得最有利的结果。

但是，不要期望计算机视觉能够 100% 做好工作，或者做得很快。如果你达到了 80% 高，你就做得很好（当然取决于实际的图像质量，我并不是说不可能在用油漆绘制的图像上达到 100%）....

【讨论】：