使用OpenCV检测银色和反射球

Question

我正试图通过OpenCV检测反映环境的银球： 有了黑球，我通过检测圆圈成功地做到了：

@media print{
 .bel{
     position:fixed;
     bottom:0;
     }
}

但是当使用带银球的程序时，我们没有得到任何结果。

当观察程序计算的边缘时，球的边缘非常清晰。但是守则并没有承认任何球。

如何提高银球的检测率？我想到了两种方法： - 改善边缘计算 - 使圆检测接受边缘不清晰的图像 那可能吗？这样做的最佳方式是什么？

非常感谢帮助。

Answer 1

您必须调整参数。 HoughCircles功能在检测圆圈方面做得很好（即使有间隙）。请注意，HoughCircles使用canny边缘检测执行内部二值化。因此，您不必进行阈值处理。

鉴于上图，代码

import cv2
from matplotlib import pyplot as plt
import numpy as np

PATH = 'path/to/the/image.jpg'    

img = cv2.imread(PATH, cv2.IMREAD_GRAYSCALE)
plt.imshow(img, cmap='gray')
circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20, param1=130, param2=30, minRadius=0, maxRadius=0)
if circles is not None:
    for x, y, r in circles[0]:
        c = plt.Circle((x, y), r, fill=False, lw=3, ec='C1')
        plt.gca().add_patch(c)
plt.gcf().set_size_inches((12, 8))
plt.show()

产生结果

不同的参数意味着什么？

函数签名定义为

cv.HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]])

图片和圈子是不言自明的，会被跳过。

方法

指定内部使用的霍夫算法的变体。如documentation中所述，只有HOUGH_GRADIENT是支持atm。此方法使用21HT (p.2, THE 2-1 HOUGH TRANSFORM)算法。这种变体的主要优点在于减少了内存使用量。使用霍夫变换检测圆的标准方法需要在3D霍夫空间（x，y和半径）中进行搜索。但是，使用21HT时，您的霍夫空间将减少到仅2维，这会大大降低内存消耗。

DP

dp 参数设置反向累加器分辨率。可以找到一个很好的解释here。请注意，此解释使用标准的霍夫变换作为示例。但是21HT的效果是一样的。 21HT的累加器与标准HT略有不同。

minDist

只需指定圆心之间的最小距离即可。在上面的代码示例中，它设置为20，这意味着两个检测到的圆的中心必须彼此相距至少 20个像素。我不确定opencv如何过滤掉这些圈子，但是扫描源代码看起来像是较低匹配的圈子会被抛弃。

参数1

指定传递给Canny Edge算法的阈值。基本上它被称为cv2.Canny(image, param1 / 2, param1)。

param2的

本段应该由熟悉opencv源代码的人验证。 param2 指定累加器阈值。此值决定了完成圆圈必须如何计算为有效圆圈。我不确定参数给出的单位，tho。但是（再次扫描源代码）看起来它是一个绝对的投票门槛（意味着它直接受到不同半径的影响）。 下图显示了不同的圆圈（或可以识别为圆圈的内容）。向右移动越远，阈值必须越低，以便检测到该圆圈。

minRadius和maxRadius

简单地限制半径范围[minRadius，maxRadius]中的圆搜索。如果您可以近似（或知道）您要搜索的圆圈的大小，这很有用（并且可以提高性能）。