如何为我的圆形霍夫变换选择“灵敏度”值？

Question

我正在使用圆形霍夫变换来检测图像中的圆圈。圆形霍夫函数有四个基本参数：

1. 图片名称
2. 半径范围
3. 物体极性（对于我的情况，它是黑暗的）
4. 灵敏度值（默认值 - 0.5）

  

[centers，radii] = imfindcircles（img1，[r1   r2]，'ObjectPolarity'，'dark'，......'Sensitivity'，sens）;

灵敏度值在0和1之间变化。在此，我将灵敏度值在0.9和0.95之间变化（检测到的圆数随灵敏度值的增加而增加。最大值= 1）。对于不同的图像，在不同的灵敏度值下产生最佳结果。



假设对于半径范围为[3,8]的'1.jpg'，该函数为不同的灵敏度值提供了不同的结果（圆圈数）：

• 0.90 - ＆gt; 553
• 0.91 - ＆gt; 958
• 0.92 - ＆gt; 1412
• 0.93 - ＆gt; 1799
• 0.94 - ＆gt; 2164
• 0.95 - ＆gt; 2453
• 0.96 - ＆gt; 2806
• 0.97 - ＆gt; 3170
• 1.00 - ＆gt; 6393

但对于此图像，在0.94和0.95之间找到更准确的值（可以是0.941,0.942 ......，0.949等）。计数是2200-2400。如果我使用[0.96,1]之间的值，它有很多误报。

我需要一个功能，它必须告诉我何时停止根据计数的突然增加来改变灵敏度。（即）达到稳定状态。

对于上述情况，它在[0.94-0.96]之间达到稳定状态。（即）输出值在这些点之间逐渐变化（2100,2400,2800）。



是否有任何数学技术可以根据值的变化率来停止计数？ 或者还有其他更好的解决方案可以解决我的问题吗？