Hough Circles，以及过于复杂的解决方案

Question

所以我一直在努力识别Hough Circles的瑜伽球。现在，当转换为灰度时，它可以直接使用。不幸的是，我必须采取更复杂的程序，因为有多个这些彩球并且只想检测蓝色。

未过滤的球：

过滤球：

我的算法步骤：

1. 从BGR转换为HSV
2. 模糊图片
3. 仅针对选择值过滤HSV（在我的情况下，由于照明，将深蓝色变为浅蓝色）
4. 反转图像
5. 使用形态填充被点亮的部分
6. 再次模糊
7. 过滤模糊，因此它是一个纯实的形状而不是无法识别的模糊灰度
8. 用hough-circles检测。 MAT仍然是灰度，所以这不是问题。

代码：

#include <iostream>
#include <string>
#include <iomanip>
#include <sstream>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>

using namespace std;
using namespace cv;

int main(int argc, char *argv[])
{
    // Morphology stuff
    Mat element5(30, 30, CV_8U, Scalar(1));
    int morph_elem = 1; // 2
    int morph_size = 33;// 30
    int morph_operator = 2; // 2
    Mat element = getStructuringElement(morph_elem, Size(2 * morph_size + 1, 2 * morph_size + 1), Point(morph_size, morph_size));
    int const max_operator = 4;
    int const max_elem = 2;
    int const max_kernel_size = 21;
    Mat kernel;
    // Display Windows Name
    namedWindow("Testing Purposes", CV_WINDOW_AUTOSIZE);
    Mat src; // loaded image
    Mat hsv; // changed src into HSV
    Mat Filtered; // filtered w/ inRange for blue ball
    Mat Gray; // gray filter for src
    Mat dst; // destination for canny edge
    Mat detected_edges; // matrix of edges w/ canny
    // thresholds for canny
    int edgeThresh = 45;
    int lowThreshold;
    int const max_lowThreshold = 100;
    src = imread(argv[1]);
    cvtColor(src, Gray, CV_BGR2GRAY);
    cvtColor(src, hsv, CV_BGR2HSV);
    /*
    // CannyEdge Testing
    blur(Gray, detected_edges, Size(3, 3)); // blur the grayimage
    Canny(detected_edges, detected_edges, lowThreshold, lowThreshold * ratio, kernel_size);
    dst = Scalar::all(0);
    src.copyTo( dst, detected_edges);
    imshow(window_name,dst);
    */
    // hsv blur and then thresholds
    blur(hsv,hsv,Size(4, 4), Point(-1, -1));
    inRange(hsv, Scalar(100, 100, 0), Scalar(200, 200, 255), Filtered); //filtering after blur
    vector<Vec3f> circles; //vector for holding info on circles
    // houghcircles - attempts to detect circles in the Filtered image we passed it

    // morphology defintion for Kernel
    bitwise_not(Filtered, Filtered);
    // imwrite("/home/bjacobs/Desktop/Testing.jpg", Filtered);
    imwrite("/home/bjacobs/Desktop/Testingg.jpg", Filtered);
    morphologyEx(Filtered, dst, MORPH_OPEN, element);
    blur(dst, dst, Size(20, 20), Point(-1, -1));
    Mat baw = dst > 128;
    HoughCircles(baw ,circles, CV_HOUGH_GRADIENT, 1, baw.rows/8,200,100,0,0);
    imwrite("/home/bjacobs/Desktop/Testing.jpg", baw);

    // Draw the circles detected onto the SRC file
    for(size_t i = 0; i < circles.size(); i++)
    {
        Point center(cvRound(circles[i][0]), cvRound(circles[i][3]));
        int radius = cvRound(circles[i][2]);
        // circle center
        circle(src, center, 3, Scalar(0, 255, 0), -1, 8, 0);
        // circle outline
        circle(src, center, radius, Scalar(0, 0, 255), 3, 8, 0);
    }
    imwrite("/home/bjacobs/Desktop/Test.jpg", hsv);
    imshow("Testing Purposes", src);
    waitKey(0);
}

我已经尽可能多地在网上阅读了这个问题，到目前为止我发现的任何内容都没有帮助。请原谅评论，并且使用Canny Edge检测时会包含一些失败的算法，因此不要过多考虑它们。有谁知道这个检测问题的解决方案？

Answer 1

您可以执行以下操作，而不是使用houghcircle。

1. 细分蓝色。

2. 查找轮廓（最大）。

3. 轮廓的最小封闭圆。