Python OpenCV从黑白掩码中检测圆圈

Question

我使用各种OpenCV滤镜创建了一个黑白掩模。有四个圆圈清晰可见

我正在尝试使用HoughCircles概述这些圈子，但它会产生许多误报并且通常会产生错误结果：

circles = cv2.HoughCircles(combined, cv.CV_HOUGH_GRADIENT, 1, 300, np.array([]), 10, 30, 60, 300)

如何正确检测黑白图像中的圆形？

这是可以与黑白图像一起使用的可运行代码：

import numpy as np
import cv2
import cv

image = cv2.imread("image.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

circles = cv2.HoughCircles(gray, cv.CV_HOUGH_GRADIENT, 1, 300, np.array([]), 10, 30, 60, 300)
if circles is not None:
  circles = np.uint16(np.around(circles))
  for i in circles[0,:]:
      cv2.circle(image, (i[0], i[1]), i[2], (0, 255, 0), 1)
      cv2.circle(image, (i[0], i[1]), 2, (0, 0, 255), 3)

cv2.imshow("thing", image)

cv2.waitKey(0)
cv2.destroyAllWindows()

Answer 1

首先，如果我没有弄错的话，Hough Transform for circle需要一个空心圆，而不是一个完整圆。这意味着在应用Hough变换之前，您只需要提取圆的边界/周长。 OpenCV的findContours和arcLength函数可以帮助您找到周界。

其次，不幸的是，根据我的经验，霍夫变换对圆形的变化非常敏感，这意味着如果你想要检测的形状几乎是＆＃34;几乎＆＃34;一个圆圈，它可能无法检测到它。

我的建议是你应该尝试制作你的物品＆＃34;圆形＆＃34;通过在二进制映像上应用Closing morphological operation，使用磁盘形结构元素。然后提取图像中对象的周长，然后才应用Hough变换。希望这会给你足够好的结果。

---

或者，您可以尝试使用RANSAC算法检测圈子。 Here是用于检测线条的实现，但您可以针对圆圈进行调整 - 只需随机选择3个点（而不是2个），并定义一个贯穿它们的圆圈。接下来，找到靠近该圆圈的所有点（这些点称为内点）。这些将是满足不平等的要点：

其中(x,y)为点，(x0,y0)是圆的中心，r是其半径，margin是您必须参加的参数调。 算法的其余部分是相同的。

祝你好运！