opencv中斑点检测、结构分析和形状描述符的比较

我需要使用斑点检测、结构分析和形状描述符（更具体地说是

findContours

、

drawcours

和

矩

）来检测图像中的彩色圆圈。我需要知道每种方法的优缺点以及哪种方法更好。有谁能告诉我这两种方法之间的区别吗？

正如@scap3y在评论中建议的那样，我会选择一种更简单的方法。在这些情况下，我一直在做类似的事情：

// Convert your image to HSV color space
Mat hsv;
hsv.create(originalImage.size(), CV_8UC3);
cvtColor(originalImage,hsv,CV_RGB2HSV);

// Chose the range in each of hue, saturation and value and threshold the other pixels
Mat thresholded;
uchar loH = 130, hiH = 170;
uchar loS = 40, hiS = 255;
uchar loV = 40, hiV = 255;
inRange(hsv, Scalar(loH, loS, loV), Scalar(hiH, hiS, hiV), thresholded);

// Find contours in the image (additional step could be to 
// apply morphologyEx() first)
vector<vector<Point>> contours;
findContours(thresholded,contours,CV_RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);

// Draw your contours as ellipses into the original image
for(i=0;i<(int)valuable_rectangle_indices.size();i++) {
    rect=minAreaRect(contours[valuable_rectangle_indices[i]]);
    ellipse(originalImage, rect, Scalar(0,0,255));  // draw ellipse
}

//将图像转换为HSV颜色空间
Mat-hsv；
创建（originalImage.size（），CV_8UC3）；
CVT颜色（原始图像、hsv、CV_RGB2HSV）；
//选择每个色调、饱和度和值的范围，并选择其他像素的阈值
垫阈值；
uchar loH=130，hiH=170；
乌查尔视距=40，他的视距=255；
uchar loV=40，hiV=255；
范围（hsv，标量（loH，loS，loV），标量（hiH，hiS，hiV），阈值）；
//在图像中查找轮廓（可能需要执行其他步骤
//首先应用morphologyEx（）
矢量等值线；
findContours（阈值、轮廓、CV_RETR_外部、链_近似_简单）；
//在原始图像中绘制椭圆轮廓
对于（i=0；如果没有看到一些示例图像，很难实际指定哪种方法更好。与其他方法相比，每个方法在某些数据集中都有自己的漏洞。这是图像。哪种方法最好，以及原因。我已经尝试使用此图像的blob，但由于图像质量的原因，它不会返回任何内容。我已经用FindTours和moments成功地检测到了所有的点。也许我错过了什么，这就是为什么我的斑点检测不起作用的原因。这就是为什么我想知道两种方法的优缺点。请尝试简单一点的方法。也许可以将彩色图像分割成不同的通道，然后执行
HoughCircles
 在每个通道上使用低阈值进行推回。感谢各位建议其他方法。但只要我的代码正常工作，我就可以使用它。我只想在blob和结构分析之间进行比较。