Hough变换未检测到正确的圆

Question

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 -

这是输出图像： -

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！

Answer 1

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......

Answer 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）。

Answer 3

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。