如何改进霍夫圆变换以检测由散点组成的圆

Question

我有一个非常基本的代码，它使用 openCV 中的标准化 HoughCircles 命令来检测圆。但是，我的问题是我的数据（图像）是使用一种算法（出于数据模拟的目的）生成的，该算法在 r 的 +-15%（随机在此范围内）范围内绘制一个点（其中 r 是半径圆，它是随机生成的，介于 5 和 10 之间（实数）），并使用圆方程进行 360 度。 （附上示例图片）。 http://imgur.com/a/iIZ1N 现在使用霍夫圆命令，我能够通过手动播放参数来检测半径大致相同的圆（通过设置轨迹栏，灵感来自相同性质的 github 代码），但我想自动化这个过程我有超过 1000 张图像，我想一遍又一遍地这样做。有没有更好的方法来做到这一点？或者，如果有人有任何建议，我将非常感谢他们，因为我是图像处理领域的初学者，并且有物理背景而不是 CS 背景。 我的代码的粗略示例（下面没有轨迹栏等）：

Mat img = imread("C:\\Users\\walee\\Documents\\MATLAB\\plot_2 .jpeg", 0);
Mat cimg,copy;
copy = img;
medianBlur(img, img, 5);
GaussianBlur(img, img, Size(1, 5), 1.1, 0);

cvtColor(img, cimg, COLOR_GRAY2BGR);
vector<Vec3f> circles;
HoughCircles(img, circles, HOUGH_GRADIENT,1, 10, 94, 57, 120, 250);
for (size_t i = 0; i < circles.size(); i++)
{
    Vec3i c = circles[i];
    circle(cimg, Point(c[0], c[1]), c[2], Scalar(0, 0, 255), 1, LINE_AA);
    circle(cimg, Point(c[0], c[1]), 2, Scalar(0, 255, 0), 1, LINE_AA);
}
imshow("detected circles", cimg);
waitKey();
return 0;

Answer 1

如果所有图像具有相同的性质（黑色轴和点为圆圈），我建议执行以下操作：

1) 通过查找黑色元素来移除轴并将其替换为背景

2) 将颜色反转为黑色背景

3) 执行形态闭合以填充圆圈并创建更多实心点

4) （可选）如果点的密度很高，你可以尝试应用另一种形态学操作，即扩张使数据圈变细

5) 应用霍夫圆