用cv :: HoughCircles（）近距离检测许多小圆圈

Question

我正在尝试使用OpenCV检测大量相互靠近的小圆圈（相距仅约20个像素）。我已设法使用cv::inRange()和cv::Canny()创建此掩码。

原始图片

面膜

但是，当我使用cv::HoughCircles()时，只能准确检测到某些圆圈。目前，我正在使用cv::HoughCircles()以下参数：

cv::HoughCircles(mat, circles, CV_HOUGH_GRADIENT, 2, mat.rows / 256, 100, 8, 2, 8);

这种方法效果不足以检测这么小且靠得很近的圆，或者我只是需要修改cv :: HoughCircles（）的参数吗？

此外，摆脱掩模中间圆圈阵列周围的“噪音”将是有用的，因为在掩模的边缘周围检测到一些“假圆圈”。有一种简单的方法可以做到这一点吗？

Answer 1

摆脱噪音：

如果您可以确保始终具有相同的环境参数（例如距离圆圈的距离，亮度......），那么您可以使用cvAnd在Canny边缘检测之后屏蔽图像;这是面具的样子：

霍夫圈检测：

现在，关于HoughCircle。首先，此函数执行自己的Canny边缘检测。在打电话给HoughCircle之前你也在做一个。由于the way Canny works（即二进制图像上的强度渐变......），它可能会影响圆圈的形状。

谈到你圈子的形状，下面是你的“圈子”的特写;如果HoughCircle确实检测到所有这些甚至只是其中的一部分，我会非常感动。它在Hough space中无法提供任何好处。只是为了确保将最后两个参数设置为0（最小/最大半径），并尝试降低中心之间的最小距离。但老实说，我认为你需要找到解决问题的另一种方法。

<强> [编辑]

可能的方法是执行connected component labeling（例如blob检测）。据我所知，单独使用OpenCV是不可能做到这一点的，你需要像cvblob这样的东西，这是一个非常好的基于OpenCV的blob库。特别是，您可能对cvCentroid(CvBlob *blob)感兴趣。

干杯

Answer 2

嗯，你真的需要将它们检测为圆圈吗？ （而不是将它们建模为圆圈）。

如果这是某种校准模式，并且您只对估计中心的图像位置感兴趣，首先将它们检测为点状特征，然后单独处理每个检测到的特征可能会更有效率 - 例如将圆圈拟合到每个检测到的特征附近的一串白色像素。