在OpenCV 2.4.6中使用Hough变换检测/拟合圆

目标是检测图像中的5个白色圆圈。必须检测圆圈的测试图像如图所示
请在这里下载原始图像

我使用不同的方法对各种圆/椭圆检测方法进行评估。但不知何故，我无法修复我的简单Hough变换代码。它不检测任何圆。我不清楚问题是在于预处理步骤，还是霍夫圆的参数。我已经在论坛上讨论了所有类似的问题，但仍然无法解决这个问题。这是我的密码。在这方面请帮助我

头文件

#ifndef IMGPROCESSOR_H
    #define IMGPROCESSOR_H

    // OpenCV Library
    #include <opencv2\opencv.hpp>
    #include <iostream>

    using namespace cv;
    using namespace std;

    class ImgProcessor{
    public:
        Mat OpImg ;
        ImgProcessor();
        ~ImgProcessor();

        //aquire filter methods to image
        int  Do_Hough(Mat IpImg);

     };
    #endif /* ImgProcessor_H */

\ifndef IMGPROCESSOR\u H
#定义IMGPROCESSOR\u H
//OpenCV库
#包括
#包括
使用名称空间cv；
使用名称空间std；
类IMG处理器{
公众：
Mat OpImg；
ImgProcessor（）；
~ImgProcessor（）；
//一种图像的模糊滤波方法
int Do_Hough（Mat IpImg）；
};
#endif/*ImgProcessor\u H*/

源文件

#include "ImgProcessor.h"
#include <opencv2\opencv.hpp>
#include "opencv2\imgproc\imgproc.hpp"
#include "opencv2\imgproc\imgproc_c.h"
#include <vector>

using namespace cv;


ImgProcessor::ImgProcessor(){
    return;
}
ImgProcessor::~ImgProcessor(){
    return;
}

//Apply filtering for the input image
int ImgProcessor::Do_Hough(Mat IpImg)

{
    //Parameter Initialization________________________________________________________
    double sigma_x, sigma_y, thresh=250, max_thresh = 255;
    int ksize_w = 5 ;
    int ksize_h = 5;
    sigma_x = 0.3*((ksize_w-1)*0.5 - 1) + 0.8 ;
    sigma_y = 0.3*((ksize_h-1)*0.5 - 1) + 0.8 ;

    vector<Vec3f> circles;

    //Read the image as a matrix
    Mat TempImg;
    //resize(IpImg, IpImg ,Size(), 0.5,0.5, INTER_AREA);

    //Preprocessing__________________________________________________________

    //Perform initial smoothing
    GaussianBlur( IpImg, TempImg, Size(ksize_w, ksize_h),2,2);

    //perform thresholding
    threshold(TempImg,TempImg, thresh,thresh, 0);

    //Remove noise by gaussian smoothing
    GaussianBlur( TempImg, TempImg, Size(ksize_w, ksize_h),2,2);
    /*imshow("Noisefree Image", TempImg);
    waitKey(10000);*/

    //Obtain edges
    Canny(TempImg, TempImg, 255,240 , 3);
    imshow("See Edges", TempImg);
    waitKey(10000);

    //Increase the line thickness
    //dilate(TempImg,TempImg,0,Point(-1,-1),3);

    //Hough Circle Method______________________________________________________________

    // Apply the Hough Transform to find the circles
    HoughCircles( TempImg, circles, 3, 1, TempImg.rows/32, 255, 240, 5, 0 );
    // Draw the circles detected
    for( size_t i = 0; i < circles.size(); i++ )
    {
         Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
         int radius = cvRound(circles[i][2]);
         // circle center
         circle( IpImg, center, 3, Scalar(0,255,0), -1, 8, 0 );
         // circle outline
         circle( IpImg, center, radius, Scalar(0,0,255), 3, 8, 0 );
    }

   // Show your results
    namedWindow( "Hough Circle Transform", WINDOW_AUTOSIZE );
    imshow( "Hough Circle Transform", IpImg );

   // waitKey(0);
   return 0;   





}

int main(int argc, char** argv)
{
    ImgProcessor Iclass;
    //char* imageName = argv[1];
    string imageName = "D:/Projects/test_2707/test_2707/1.bmp";
    Mat IpImg = imread( imageName );
    cvtColor(IpImg, IpImg,6,CV_8UC1);
    Iclass.Do_Hough(IpImg);
    /*Iclass.Do_Contours(IpImg);*/
    return 0;
}

#包括“ImgProcessor.h”
#包括
#包括“opencv2\imgproc\imgproc.hpp”
#包括“opencv2\imgproc\imgproc\u c.h”
#包括
使用名称空间cv；
ImgProcessor:：ImgProcessor（）{
返回；
}
ImgProcessor:：~ImgProcessor（）{
返回；
}
//对输入图像应用过滤
int-ImgProcessor:：Do_-Hough（Mat-IpImg）
{
//参数初始化________________________________________________________
双西格玛x，西格玛y，阈值=250，最大阈值=255；
int ksize_w=5；
int ksize_h=5；
sigma_x=0.3*（（ksize_w-1）*0.5-1）+0.8；
sigma_y=0.3*（（ksize_h-1）*0.5-1）+0.8；
矢量圆；
//以矩阵形式读取图像
Mat TempImg；
//调整大小（IpImg，IpImg，Size（），0.5,0.5，内部区域）；
//预处理__________________________________________________________
//执行初始平滑
GaussianBlur（IpImg，TempImg，Size（ksize_w，ksize_h），2,2）；
//进行阈值化
阈值（TempImg，TempImg，thresh，thresh，0）；
//高斯平滑去除噪声
GaussianBlur（TempImg，TempImg，Size（ksize_w，ksize_h），2,2）；
/*imshow（“Noisefree图像”，TempImg）；
waitKey（10000）*/
//获得优势
坎尼（坦皮姆，坦皮姆，255240，3）；
imshow（“见边”，TempImg）；
waitKey（10000）；
//增加线的厚度
//扩张（TempImg，TempImg，0，点（-1，-1），3）；
//霍夫圆法______________________________________________________________
//应用Hough变换查找圆
HoughCircles（TempImg，circles，3,1，TempImg.rows/32255,240,5,0）；
//画出检测到的圆
对于（size_t i=0；i

代码似乎很好，除了：

HoughCircles( TempImg, circles, 3, 1, TempImg.rows/32, 255, 240, 5, 0 );

参数列表中的数字3是否对应于CV_HOUGH_梯度？最好使用定义而不是数字

---

也许你应该先用一个大圆圈的图像来测试它。一旦确定代码的其余部分正确无误，就可以调整HoughCircles的参数。

是的，它确实对应于CV_HOUGH_GRADIENT。。我接受你的建议，今后也会这样做。我还尝试了从谷歌随机获得的其他测试图像，它们似乎都能很好地使用算法。很好，所以我们开始测试参数。搜索的最小半径为5个像素，与调整大小的图像中的像素大小差不多。最大半径0表示没有限制。可能您可以进一步减小最小半径，比如说减小到3，然后重试。我想知道原因是否是圆圈太小，导致累加器缓冲区中的分数较低。您还可以尝试获取轮廓，并使用轮廓长度检测正确大小的圆。