Question

我有一个非常基本的代码，它使用openCV中的标准化HoughCircles命令来检测圆圈。然而，我的问题是我的数据（图像）是使用算法（用于数据模拟的目的）生成的，该算法绘制r的+ -15％（在此范围内随机）范围内的点（其中r是半径）圆圈的，随机生成的，在5到10之间（实数）），并使用圆的方程式360度。（附图片样本）。 http://imgur.com/a/iIZ1N 现在使用Hough circle命令，我能够通过手动播放参数来检测大致相同半径的圆（通过设置轨迹栏，灵感来自相同性质的github代码），但我希望将过程自动化为我有超过1000张图像，我想一遍又一遍地做这件事。有没有更好的方法呢？或者如果有人有任何建议，我会非常感谢他们，因为我是图像处理领域的初学者，并且拥有物理背景而不是CS。我的代码的粗略样本（没有轨道栏等）：

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

如果所有图像都具有相同的性质（黑轴和点为圆圈），我建议您执行以下操作：

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）执行形态学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，即扩张使数据圈更薄

5）应用Hough圈

如何改进霍夫圆变换以检测由散点组成的圆

1 个答案: