在 Emgu.CV 中，这些阈值是什么意思，是否有更好的方法来检测圆圈？答案

【问题标题】：In Emgu.CV what do these threshold values mean and is there a better way to detect a circle?在 Emgu.CV 中，这些阈值是什么意思，是否有更好的方法来检测圆圈？
【发布时间】：2011-04-01 19:28:14
【问题描述】：

背景

这是我的 Emgu.CV 代码，用于获取图像并绘制其中找到的圆圈（主要来自 Emgu.CV.Examples 解决方案中 ShapeDetection 项目的代码，EmguCV 下载附带）：

//Load the image from file
Image<Bgr, Byte> img = new Image<Bgr, byte>(myImageFile);

//Get and sharpen gray image (don't remember where I found this code; prob here on SO)
Image<Gray, Byte> graySoft = img.Convert<Gray, Byte>().PyrDown().PyrUp();
Image<Gray, Byte> gray = graySoft.SmoothGaussian(3);
gray = gray.AddWeighted(graySoft, 1.5, -0.5, 0);

Image<Gray, Byte> bin = gray.ThresholdBinary(new Gray(149), new Gray(255));

Gray cannyThreshold = new Gray(149);
Gray cannyThresholdLinking = new Gray(149);
Gray circleAccumulatorThreshold = new Gray(1000);

Image<Gray, Byte> cannyEdges = bin.Canny(cannyThreshold, cannyThresholdLinking);

//Circles
CircleF[] circles = cannyEdges.HoughCircles(
    cannyThreshold,
    circleAccumulatorThreshold,
    4.0, //Resolution of the accumulator used to detect centers of the circles
    15.0, //min distance 
    5, //min radius
    0 //max radius
    )[0]; //Get the circles from the first channel

//draw circles (on original image)
foreach (CircleF circle in circles)
    img.Draw(circle, new Bgr(Color.Brown), 2);

图片如下：

问题

好的，所以我知道ThresholdBinary 中的阈值是多少。由于我从灰度图像中获取二进制图像，因此它是图片中灰度的强度。这是因为图片中灰度圆圈的强度为 150 到 185。我认为这与 HoughCircles 的第一个参数相同。

我不知道的是 circleAccumulatorThreshold、累加器的分辨率和最小距离（到 HoughCircles 的第 2、3 和第 4 个参数）是什么，或者应该有什么值。我显然没有正确的值，因为图片中的圆圈没有正确地'houghed'。
我的第二个问题是，有没有更好的方法来找到圆圈？我需要能够在多种类型的光线中检测到这个圆圈（即圆圈颜色强度可能很低，如 80 或更低）并在图片中获得它的尺寸。匹配圆圈的最佳方法是什么？我应该让圆圈变成另一种颜色并在原始图像中查找该颜色吗？还有其他想法吗？

谢谢

【问题讨论】：

标签： c# emgucv edge-detection

【解决方案1】：

累加器是必须“累积”多少点才能被视为圆圈。数字越大意味着检测到的圆圈越少。
分辨率如何关闭点必须要到建议的圈子。基本上像素的“大小”。
MinDistance 是允许的圆圈距离彼此相待。在您的示例中，您有 3 个圆圈非常彼此靠近。增加最小距离将阻止重叠的圆圈，而不是只画一个。

至于你对第二个的回答，模糊图像，转换为灰度，然后阈值消除照明差异是通常的解决方案

【讨论】：

【解决方案2】：

虽然这个问题已经“很多”老了，但我想对问题 #2 提出一个答案，以帮助那些可能遇到类似问题的人。

你可以做的是：

对图像设置阈值以去除背景，
检测图像中的对象，
计算圆的圆度（http://en.wikipedia.org/wiki/Shape_factor_(image_analysis_and_microscopy)），如果是圆应该是1。使用 FindContours 方法（在 emgucv 中）提供了计算圆的面积和周长所需的所有信息。然后，您可以使用这些信息来获取检测到的圆圈的尺寸。

【讨论】：

您建议删除背景什么？ @奥利弗