Canny将VS脱粒图像转换为HoughCircle

Question

我正在尝试使用具有以下参数的HoughCircle在图像上建立可靠的硬币检测：

blured_roi = cv2.GaussianBlur(region_of_interest, (23, 23), cv2.BORDER_DEFAULT)
rows = blured_roi.shape[0]
circles = cv2.HoughCircles(blured_roi, cv2.HOUGH_GRADIENT, 0.9, rows/8,
param1=30, param2=50, minRadius=30, maxRadius=90)

关注区域可以是（300x300）或（1080x1920）。因此minRadius和maxRadius在这里并没有帮助。但是在每种图像形状中，它们的大小大约都相当于我的硬币大小。

为此，我尝试了很多事情。首先，使用带有GaussianBlur滤镜的简单灰色图像。 可以在大多数情况下使用，但是如果我的硬币边框与背景色类似，则灰度图将无法真正帮助检测圆的半径，请看以下示例：

第二次，我尝试使用硬币的边缘来检测Canny Transform的圆圈，但是正如您所见，Canny滤镜无法按我希望的那样工作。所以我将GaussianBlur设为（13，13）。

我也知道HoughCircle方法中还有另一个canny transform调用，但是我想确保我会得到硬币的边缘，因为在{ {1}}。

最后，我尝试使用经过脱粒处理的图像，但我不明白为什么它不如预期的那样好用，因为在此图像上，我们希望不会有任何噪音，因为它只是黑白（？），并且这个圆圈几乎是完美的。并应用（9，9）的GaussianBlur。

在这里您可以看到它未能检测到脱粒图像上的硬币，但是它可以与Canny边缘图像一起使用。但是在许多其他情况下，边缘检测中的霍夫变换无法得到完美的结果，而且我对脱粒图像感到一致，如您所见，脱粒图像显示出一个漂亮的圆圈。

我想了解为什么它在脱粒后的图像上不起作用（如上面的示例），以及如何使它起作用。

编辑1：因此，我发现了GaussianBlur方法中要指定的另一种BORDER类型。我认为改进“脱粒”图像上的哈夫圆检测确实很有用，但效果不如预期。