如何提高Probalistic Hough-Lines-Transform的检测？

Question

我试图在模拟显示器的视频中检测时钟指针并提取它指向​​的值。我正在使用Python和OpenCV。

我基本上做的是：

1. 我使用高斯模糊来降低当前图像中的噪点。
2. 我使用Canny边缘检测过滤边缘
3. 我应用了probalistic Hough Line Transform

守则：

def detect_clock_hand(img, center):
    # Convert to gray
    gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

    # Apply gaussian blur
    blur = cv2.GaussianBlur(gray, (11, 11), 0, 0)

    # Apply sobel edge detection
    edges = cv2.Canny(blur, 30, 40)

    # Apply HoughTransform
    lines = cv2.HoughLinesP(edges, 10, np.pi / 180, 5, 15, 50)

    #Filter lines in a given radius
    filtered_edges = util.filter_edges(lines, center)

我玩了很多参数来改善结果。目前的状态如下：

1. 坎尼

2. 霍夫

如您所见，结果只标志着钟表的一部分。而那部分并不是一个好的事情。我可以从Canny边缘检测中得知。我想知道我是否使用Hough Transform错误或边缘检测实际上并不像我想的那样好。由于我是图像处理的新手，所以我很乐意接受任何建议。