使用带有 3 通道输入的 HoughCircles 时出错答案

【问题标题】：Error using HoughCircles with 3-channel input使用带有 3 通道输入的 HoughCircles 时出错
【发布时间】：2019-06-20 04:24:48
【问题描述】：

在检测圆圈之前，我将red 频道替换为green 频道。更换通道后，我将其通过模糊过滤器，然后进行霍夫变换以检测圆圈。但是当我这样做时，我收到一条糟糕的错误消息：

OpenCV(3.4.1) Error: Assertion failed (!_image.empty() && _image.type() == (((0) & ((1 << 3) - 1)) + (((1)-1) << 3)) && (_image.isMat() || 

_image.isUMat())) in HoughCircles, file /io/opencv/modules/imgproc/src/hough.cpp, line 1659
Traceback (most recent call last):

  File "circle_light.py", line 44, in <module>
    param1=param1,param2=param2,minRadius=minRadius,maxRadius=maxRadius)

cv2.error: OpenCV(3.4.1) /io/opencv/modules/imgproc/src/hough.cpp:1659: error: (-215) !_image.empty() 

&& _image.type() == (((0) & ((1 << 3) - 1)) + (((1)-1) << 3)) && (_image.isMat() || _image.isUMat()) in function HoughCircles

我无法从中理解，因此无法理解我可能做错了什么。这是我所做的 sn-p。

import cv2

img = cv2.imread("images/{}".format("img.png"), 1)

b,g,r = cv2.split(img)
img = cv2.merge([b,g,g])
img = cv2.GaussianBlur(img,(5,5),0)

minDist = 11
param1 = 20
param2 = 20
minRadius = 10
maxRadius = 20

circles = cv2.HoughCircles(
    img, cv2.HOUGH_GRADIENT, 1, minDist,
    param1=param1, param2=param2, minRadius=minRadius, maxRadius=maxRadius
)

当我调用HoughCircles 函数时发生错误。我可能做错了什么？

【问题讨论】：

如果您有兴趣，我会在我的回答中解释错误消息，并提供更多关于为什么cv2.HoughCircles() 使用单通道输入的信息。答案很长，但这是你的错：你的问题让我很好奇:)

标签： python opencv image-processing computer-vision hough-transform

【解决方案1】：

您只能在单通道（灰度）图像上调用cv2.HoughCircles()，您的图像有 3 个通道。

Documentation.

【讨论】：

这背后的原因是什么？
我猜人们通常会先找到边缘，这会产生灰度图像，然后再寻找构成圆圈的边缘。
@MarkSetchell 需要注意的是，cv2.HoughCircle() 将在内部应用 Sobel 和 Canny 来获取 21HT 算法所需的边缘和边缘信息。我在答案的第二部分提供了一些细节（以补充您的答案）。希望你不要介意。
@Berriel 我总是很高兴能学到新东西 - 所以谢谢。

【解决方案2】：

关于解释错误。来自hough.cpp#L1659：

CV_Assert(!_image.empty() && _image.type() == CV_8UC1 && (_image.isMat() || _image.isUMat()));

分解，以下所有条件都必须为真：

!_image.empty()：输入图片不能为空；
_image.type() == CV_8UC1：输入图像必须为8U（8位无符号，np.uint8）和C1（单通道）；
_image.isMat() || _image.isUMat()：检查输入是Mat还是UMat（在Python中，它必须是一个numpy数组）；

关于您的具体错误消息 (error: (-215) !_image.empty() && _image.type() == (((0) & ((1 << 3) - 1)) + (((1)-1) << 3)) && (_image.isMat() || _image.isUMat()))：

错误代码（-215）来自here：它是通用的CV_StsAssert；
然后是这些数字：它们代表CV_8UC1。你想知道为什么吗？你应该:) 我们开始吧：
1. CV_8UC1
2. CV_MAKETYPE(CV_8U,1):: 来自#define CV_8UC1 CV_MAKETYPE(CV_8U,1)
3. CV_MAKETYPE(0,1):: 来自#define CV_8U 0
4. (CV_MAT_DEPTH(0) + (((1)-1) << CV_CN_SHIFT)):: 来自#define CV_MAKETYPE(depth,cn) (CV_MAT_DEPTH(depth) + (((cn)-1) << CV_CN_SHIFT))
5. (((0) & CV_MAT_DEPTH_MASK) + (((1)-1) << CV_CN_SHIFT)):: 来自#define CV_MAT_DEPTH(flags) ((flags) & CV_MAT_DEPTH_MASK)
6. (((0) & (CV_DEPTH_MAX - 1)) + (((1)-1) << CV_CN_SHIFT)):: 来自#define CV_MAT_DEPTH_MASK (CV_DEPTH_MAX - 1)
7. (((0) & ((1 << CV_CN_SHIFT) - 1)) + (((1)-1) << CV_CN_SHIFT)):: 来自#define CV_DEPTH_MAX (1 << CV_CN_SHIFT)
8. (((0) & ((1 << 3) - 1)) + (((1)-1) << 3)):: 来自#define CV_CN_SHIFT 3

我会尝试补充@Mark Setchell的答案，只是因为我很好奇，我想分享:)

如果您查看文档，cv2.HoughCircle() 是imgproc 模块的一部分（在Feature Detection“子模块”下）。文档说唯一实现的方法是HOUGH_GRADIENT（又名21HT，即两阶段霍夫变换），他们指出参考论文“Comparative study of Hough Transform methods for circle finding”（1990）:)。如果因为付费墙而无法访问，您可以访问1989's version for free)。在论文中，作者评论：

形状分析的 HT 方法使用一个约束方程，将特征空间中的点与所搜索形状的可能参数值相关联。对于每个特征点，总是边缘点，对所有满足约束的参数组合累积投票。 [...]

后来，他们写道：

如果边缘方向信息可用，那么减少圆查找的存储和计算需求的一种方法是将问题分解为两个阶段 [...]

因此，如果你想坚持21HT，你基本上需要边缘和边缘方向信息。例如，您可以通过Sobel（例如dx 和dy）获取边缘方向信息，并使用这些已经计算的dx 和dy 来使用Canny 获取边缘。事实上，这就是 OpenCV 实现的作用。如果导航到modules/imgproc/src/hough.cpp，可以看到Sobel+Sobel+Canny 操作here。

那么，什么？好吧，这意味着如果您有另一种方法（或者您想提出一个新方法，为什么不呢？）能够返回更适合您的情况的边缘和边缘方向信息（可能是 colors em> 在你的情况下有不同的含义），那么你可以用你的方法替换这 3 行（Sobel+Sobel+Canny）并重新使用其余的实现（很酷，是吗？）。如果您受到启发 :)，您可以查看“A Short History of Color Edge Detection”并从那里开始。

那么，为什么我们需要单通道输入？嗯，基本上是因为我们需要边缘，它们通常表示为单通道图像。另外implementation目前只支持单通道边缘和边缘方向信息。但是，这些概念中的大多数都可以扩展到多通道输入。我认为，因为没有通用的解决方案（这些概念可能会根据具体情况而变化）并且很少有人会从中受益，所以到目前为止没有人费心提供任何实现。

抱歉，答案很长。我知道 TL;DR “该方法需要单通道输入”就足够了。我很好奇并想分享=]

【讨论】：