Python OpenCV HoughCircles没有给出好的结果

Question

我需要做快速准确的圆检测，所以我认为使用OpenCV的Hough Circle将是一个不错的选择。不幸的是，无论我给它的图像有多好以及我调整了多少参数，它都拒绝检测图像中的所有圆圈。这是我的输入图像：

我想检测每个圈子。首先，我通过滤色镜运行图像以提取灰色

frame = cv2.imread("new1.JPG")
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

lower_gray = np.array([0, 0, 0], dtype=np.uint8)
upper_gray = np.array([100,100,100], dtype=np.uint8)

mask = cv2.inRange(frame, lower_gray, upper_gray)
res = cv2.bitwise_and(frame,frame, mask= mask)

gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 1, 255, cv2.cv.CV_THRESH_BINARY)

这给了我以下门槛，我认为这实际上非常好。

即使有这么好的门槛，圆圈检测充其量只是平庸。

circles = cv2.HoughCircles(thresh,cv2.cv.CV_HOUGH_GRADIENT,1,20,param1=50,param2=10,minRadius=2,maxRadius=15) 

我应该使用另一种技术吗？我的轮廓效果非常好，但速度很慢。

Answer 1

在尝试执行houghCircles方法之前，您可以尝试使用cv2.dilate（img，kernel）来加粗行。

处理噪声的一般方法是使用cv2.erode（img，kernel）来稀释白色，这样可以去除图像中的小像素。

进一步阅读：http://docs.opencv.org/trunk/doc/py_tutorials/py_imgproc/py_morphological_ops/py_morphological_ops.html

内核只是像np.ones（）这样的矩阵，但你可以尝试各种不同的矩阵，直到得到最有利的结果。

但是，不要期望计算机视觉能够100％做好工作，或者快速完成。如果你达到80％的高水平你做得很好（当然取决于实际的图像质量，我并不是说它不可能在油漆中绘制100％的图像）...