Hough变换未检测到正确的圆

时间:2016-03-29 13:14:14

标签: python opencv image-processing hough-transform opencv3.1

我正在开展一个项目,我必须检测交通信号灯(显然是圆圈)。现在我正在处理我从一个地方拾取的样本图像,但是经过我所有的努力,我无法获得检测正确圆圈(光线)的代码。

以下是代码: -

# import the necessary packages  
import numpy as np  
import cv2

image = cv2.imread('circleTestsmall.png')
output = image.copy()
# Apply Guassian Blur to smooth the image
blur = cv2.GaussianBlur(image,(9,9),0)
gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)
# detect circles in the image
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1.2, 200)

# ensure at least some circles were found
if circles is not None:
    # convert the (x, y) coordinates and radius of the circles to integers
    circles = np.round(circles[0, :]).astype("int")

# loop over the (x, y) coordinates and radius of the circles
for (x, y, r) in circles:
    # draw the circle in the output image, then draw a rectangle
    # corresponding to the center of the circle
    cv2.circle(output, (x, y), r, (0, 255, 0), 4)
    cv2.rectangle(output, (x - 5, y - 5), (x + 5, y + 5), (0, 128, 255), -1)

# show the output image
cv2.imshow("output", output)
    cv2.imshow('Blur', blur)
cv2.waitKey(0)

我想要检测圆圈的图像 - Image. The circle I wanna detect is highlighted.

这是输出图像: - Output Image.

我尝试使用高斯模糊半径值和hough变换中的minDist参数,但没有取得多大成功。
任何人都可以指出我正确的方向吗?

P.S-一些主题问题,但对我的项目至关重要 -
1.我的电脑大约需要6-7秒才能显示最终图像。我的代码是坏的还是我的电脑?我的规格是 - 英特尔i3 M350 2.6 GHz(第一代),6GB内存,英特尔高清显卡1000 1625 MB。
2.霍夫变换是否会直接对二值阈值图像起作用? 3.这个代码在Raspberry Pi 3上的运行速度是否足够实时? (我得将它安装在一个移动的自动机器人上。)

谢谢!

3 个答案:

答案 0 :(得分:2)

首先,你应该稍微限制你的参数。

请参阅:http://docs.opencv.org/2.4/modules/imgproc/doc/feature_detection.html#houghcircles

至少为最小和最大半径设置合理的值。尝试先找到一个特定的圆圈。如果你成功增加了半径公差。

霍夫变换是一种强力方法。它将为图像中的每个边缘像素尝试任何可能的半径。这就是为什么它不适合实时应用程序。特别是如果您没有提供适当的参数和输入。你没有半径限制atm。因此,您将为每个像素计算数百个(如果不是数千个)圆圈......

在你的情况下,交通灯也不是很圆,所以积累的结果不会很好。尝试寻找合理尺寸的高度饱和,明亮,紧凑的斑点。它应该更快,更强大。

如果限制图像尺寸,可以进一步缩短处理时间。我想你可以假设红绿灯总是在你图像的上半部分。所以省略下半部分。交通灯总是绿色,红色或黄色。删除那些不是那种颜色的东西......我想你明白我的意思......

答案 1 :(得分:2)

我认为您应该首先根据红绿灯颜色执行颜色分割。它将极大地降低投资回报率。然后,您只能在ROI边缘上应用Hough变换(因为您需要轮廓)。

答案 2 :(得分:0)

另一个限制:只接受内部颜色同质的圆圈。这会抛弃上面例子中的所有虚假命中。