[英]Circle detection with OpenCV
如何提高以下圆检测代码的性能
from matplotlib.pyplot import imshow, scatter, show
import cv2
image = cv2.imread('points.png', 0)
_, image = cv2.threshold(image, 254, 255, cv2.THRESH_BINARY)
image = cv2.Canny(image, 1, 1)
imshow(image, cmap='gray')
circles = cv2.HoughCircles(image, cv2.HOUGH_GRADIENT, 2, 32)
x = circles[0, :, 0]
y = circles[0, :, 1]
scatter(x, y)
show()
使用以下源图像:
我曾尝试调整HoughCircles
函数的参数,但它们会导致过多的误报或过多的漏报。 特别是,我在两个 blob 之间的间隙中检测到虚假圆圈时遇到了麻烦:
@Carlos,在您所描述的情况下,我并不是 Hough Circles 的忠实粉丝。 老实说,我觉得这个算法非常不直观。 在您的情况下,我建议使用findContour()
函数,然后计算质心。 因此,我稍微调整了 Hough 的参数以获得合理的结果。 在 Canny 之前,我还使用了一种不同的预处理方法,因为我看不到该阈值在特定情况下的任何其他情况下是如何工作的。
和代码:
from matplotlib.pyplot import imshow, scatter, show, savefig
import cv2
image = cv2.imread('circles.png', 0)
#_, image = cv2.threshold(image, 254, 255, cv2.THRESH_BINARY)
image = cv2.GaussianBlur(image.copy(), (27, 27), 0)
image = cv2.Canny(image, 0, 130)
cv2.imshow("canny", image)
cv2.waitKey(0)
imshow(image, cmap='gray')
circles = cv2.HoughCircles(image, cv2.HOUGH_GRADIENT, 22, minDist=1, maxRadius=50)
x = circles[0, :, 0]
y = circles[0, :, 1]
scatter(x, y)
show()
savefig('result1.png')
cv2.waitKey(0)
_, cnts, _ = cv2.findContours(image.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
# loop over the contours
for c in cnts:
# compute the center of the contour
M = cv2.moments(c)
cX = int(M["m10"] / M["m00"])
cY = int(M["m01"] / M["m00"])
#draw the contour and center of the shape on the image
cv2.drawContours(image, [c], -1, (125, 125, 125), 2)
cv2.circle(image, (cX, cY), 3, (255, 255, 255), -1)
cv2.imshow("Image", image)
cv2.imwrite("result2.png", image)
cv2.waitKey(0)
这两种方法都需要一些更精细的调整,但我希望这能给你更多的工作。
资料来源: 这个答案和pyimagesearch 。
虽然可以微调给定图像的霍夫圆,但图像与图像之间的最佳参数可能会有很大差异。 因此,虽然它是可行的,但使用 Hough Circles 使圆检测变得稳健需要付出相当多的努力!
相反,我建议使用更现代的方法,例如:
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.