使用 houghCircles (OpenCV) 检测小圆圈答案

【问题标题】：detecting small circles using houghCircles (OpenCV)使用 houghCircles (OpenCV) 检测小圆圈
【发布时间】：2017-05-08 15:50:34
【问题描述】：

我正在尝试使用 houghcircles() 检测此裁剪图像中的小圆圈。我试图改变它的参数，但是当我将 param2 增加到 50 以上时它会出错，当它的值小于 100 时 maxRadius 也会出错。现在它运行但性能很差这是原始图像：

这是结果图像：

这是我的代码：

from imutils.perspective import four_point_transform
from imutils import contours
import numpy as np
import argparse
import imutils
import cv2

im = cv2.imread('crop.png')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray, 200, 255,cv2.THRESH_BINARY)
cimg = cv2.cvtColor(thresh,cv2.COLOR_GRAY2BGR)

c = cv2.HoughCircles(thresh, cv2.HOUGH_GRADIENT, 0.5, 41, param1=70, 
param2=30, minRadius=10,maxRadius=175)
c = np.uint16(np.around(c))

for i in c[0,:]:
    # draw the outer circle
    cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)
    # draw the center of the circle
    cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)

cv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 800,800)
cv2.imshow('img',cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()

请问，我应该如何更改参数？

【问题讨论】：

标签： python opencv image-processing hough-transform

【解决方案1】：

如果您在不了解参数的作用的情况下尝试更改参数，则需要很长时间才能解决此问题。

此说明来自here

minDist：检测到的圆的中心 (x, y) 坐标之间的最小距离。如果 minDist 太小，则在可能（错误地）检测到与原始邻域相同的邻域。如果 minDist 太大，可能根本检测不到某些圆圈。

param1：Yuen 等人用于处理边缘检测的梯度值。方法。

param2：cv2.HOUGH_GRADIENT 方法的累加器阈值。阈值越小，圈数越多检测到（包括假圆圈）。阈值越大，可能会返回更多圈子。

minRadius：半径的最小尺寸（以像素为单位）。

maxRadius：半径的最大尺寸（以像素为单位）。

您可以清楚地看到图像中的圆圈具有固定的半径，并且它们之间的距离最小。如果你设置这两个，你可以提高你的结果。所以阅读文档很重要。

关于您的问题，如果您有特殊需要使用 Houghcircles，请继续进行微调。您可以做的改进是，使用 gaussianblur 进行预处理，使用自适应阈值而不仅仅是阈值。

如果没有必要使用霍夫圆，我建议您改用轮廓。因为它更健壮并且可以很好地泛化到不同的图像。这是我使用轮廓得到的结果。圆圈看起来更小，因为我使用了 6 次迭代的侵蚀和 3 次迭代的膨胀。

这是我使用的代码。

import numpy as np
import cv2

image_color= cv2.imread("Ye3gs.png")
image_ori = cv2.cvtColor(image_color,cv2.COLOR_BGR2GRAY)

lower_bound = np.array([0,0,10])
upper_bound = np.array([255,255,195])

image = image_color

mask = cv2.inRange(image_color, lower_bound, upper_bound)

# mask = cv2.adaptiveThreshold(image_ori,255,cv2.ADAPTIVE_THRESH_MEAN_C,\
#             cv2.THRESH_BINARY_INV,33,2)

kernel = np.ones((3, 3), np.uint8)

#Use erosion and dilation combination to eliminate false positives. 
#In this case the text Q0X could be identified as circles but it is not.
mask = cv2.erode(mask, kernel, iterations=6)
mask = cv2.dilate(mask, kernel, iterations=3)

closing = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)

contours = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL,
        cv2.CHAIN_APPROX_SIMPLE)[0]
contours.sort(key=lambda x:cv2.boundingRect(x)[0])

array = []
ii = 1
print len(contours)
for c in contours:
    (x,y),r = cv2.minEnclosingCircle(c)
    center = (int(x),int(y))
    r = int(r)
    if r >= 6 and r<=10:
        cv2.circle(image,center,r,(0,255,0),2)
        array.append(center)

cv2.imshow("preprocessed", image_color)
cv2.waitKey(0)

希望这会有所帮助:)

【讨论】：

感谢您的帮助，但它给了我一个错误：contours.sort(key=lambda x:cv2.boundingRect(x)[0]) TypeError: 'key' is an invalid keyword argument for this function
非常感谢它在我添加此功能时为我工作def get_contour_precedence(contour, cols): tolerance_factor = 10 origin = cv2.boundingRect(contour) return ((origin[1] // tolerance_factor) * tolerance_factor) * cols + origin[0]
我建议使用contours + minEnclosureCircle函数，然后将圆形边界/区域与检测到的轮廓进行比较，过滤掉非圆形轮廓
@LilyBaker 你能解释一下你是如何修复 TypeError 的吗？我得到了同样的东西。

【解决方案2】：

在 OpenCV 3 中，findContours 的签名已更改。要获得返回的轮廓，您需要更改此行：

contours = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]

到这里

contours = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[1]

【讨论】：