python opencv查找圆（太阳），圆的中心坐标来自图片

我是新来的，在编程方面有点新手

我有一个问题。我有bmp文件和16位的太阳图片。这幅画看起来像一个带黑色背景的白色圆圈

我想找到一个圆，并在x，y坐标中确定它的中心

我有这个剧本

import cv
import numpy as np




orig = cv.LoadImage('sun0016.bmp')

grey_scale = cv.CreateImage(cv.GetSize(orig), 8, 1)
processed = cv.CreateImage(cv.GetSize(orig), 8, 1)

cv.Smooth(orig, orig, cv.CV_GAUSSIAN, 5, 5)
cv.CvtColor(orig, grey_scale, cv.CV_RGB2GRAY)
cv.Erode(grey_scale, processed, None, 10)
cv.Dilate(processed, processed, None, 10)
cv.Canny(processed, processed, 5, 70, 3)
cv.Smooth(processed, processed, cv.CV_GAUSSIAN, 15, 15)

storage = cv.CreateMat(orig.width, 1, cv.CV_32FC3)


cv.HoughCircles(processed, storage, cv.CV_HOUGH_GRADIENT, 1, 16.0, 10, 140)

for i in range(0, len(np.asarray(storage))):
    print "circle #%d" %i
    Radius = int(np.asarray(storage)[i][0][2])
    x = int(np.asarray(storage)[i][0][0])
    y = int(np.asarray(storage)[i][0][1])
    center = (x, y)
    print x,y

    cv.Circle(orig, center, 1, cv.CV_RGB(0, 255, 0), 1, 8, 0)
    cv.Circle(orig, center, Radius, cv.CV_RGB(255, 0, 0), 1, 8, 0)

    cv.Circle(processed, center, 1, cv.CV_RGB(0, 0, 0), -1, 8, 0)
    cv.Circle(processed, center, Radius, cv.CV_RGB(255, 0, 0), 3, 8, 0)

cv.ShowImage("sun0016", orig)
cv.ShowImage("processed", processed)
cv_key = cv.WaitKey(0)

当我运行这个时，我发现太阳的边缘是圆心的，但非常不准确。 请知道您为精确搜索圆设置了HoughCircles模块的参数。

---

谢谢

这里的主要问题是为半径找到一个合适的范围。 你可以看看你的照片，猜一下半径

从你给出的图片来看，我想180-220是一个不错的范围

您的代码如下所示：

cv.HoughCircles(processed, storage, cv.CV_HOUGH_GRADIENT, 1, 16.0, 180, 220)

---

只要试着为

minRadius

和

maxRadius

找到好的值，这应该可以正常工作。

这是我问题的解决方案

import numpy as np
import cv2

im = cv2.imread('sun0016.bmp')
height, width, depth = im.shape
print height, width, depth
thresh = 132
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(imgray,(5,5),0)
edges = cv2.Canny(blur,thresh,thresh*2)
contours, hierarchy = cv2.findContours(edges,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
cv2.drawContours(im,contours,-1,(0,255,0),-1)

#centroid_x = M10/M00 and centroid_y = M01/M00
M = cv2.moments(cnt)
x = int(M['m10']/M['m00'])
y = int(M['m01']/M['m00'])
print x,y
print width/2.0,height/2.0
print width/2-x,height/2-y


cv2.circle(im,(x,y),1,(0,0,255),2)
cv2.putText(im,"center of Sun contour", (x,y), cv2.FONT_HERSHEY_SIMPLEX, 1, (0,0,255))
cv2.circle(im,(width/2,height/2),1,(255,0,0),2)
cv2.putText(im,"center of image", (width/2,height/2), cv2.FONT_HERSHEY_SIMPLEX, 1, (255,0,0))
cv2.imshow('contour',im)
cv2.waitKey(0)

---

我想我会提出一个替代方案，以防将来有人偶然发现这个问题

以下函数使用

cv2.inRange

代替

cv2.Canny

，并使用

cv2.mineConclosingCircle

代替

cv2.moments

。它通过测量候选对象最小封闭圆的半径，选择cv2.findContours找到的最大轮廓。此过滤有助于拒绝来自水印或灰尘等的误报，但根据您的要求，您可能希望以不同方式执行此步骤或完全忽略此步骤

该函数返回x、y坐标以及检测到的磁盘的半径，这是我正在处理的项目的要求

import cv2


def find_disk(img, threshold=10):
    """Finds the center and radius of a single solar disk present in the supplied image.

    Uses cv2.inRange, cv2.findContours and cv2.minEnclosingCircle to determine the centre and 
    radius of the solar disk present in the supplied image.

    Args:
        img (numpy.ndarray): greyscale image containing a solar disk against a background that is below `threshold`.
        threshold (int): threshold of min pixel value to consider as part of the solar disk

    Returns:
        tuple: center coordinates in x,y form (int) 
        int: radius
    """
    if img is None:
        raise TypeError("img argument is None - check that the path of the loaded image is correct.")

    if len(img.shape) > 2:
        raise TypeError("Expected single channel (grayscale) image.")

    blurred = cv2.GaussianBlur(img, (5, 5), 0)
    mask = cv2.inRange(blurred, threshold, 255)
    img_mod, contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # Find and use the biggest contour
    r = 0
    for cnt in contours:
        (c_x, c_y), c_r = cv2.minEnclosingCircle(cnt)
        # cv2.circle(img, (round(c_x), round(c_y)), round(c_r), (255, 255, 255), 2)
        if c_r > r:
            x = c_x
            y = c_y
            r = c_r

    # print("Number of contours found: {}".format(len(contours)))
    # cv2.imwrite("mask.jpg", mask)
    # cv2.imwrite("circled_contours.jpg", img)

    if x is None:
        raise RuntimeError("No disks detected in the image.")

    return (round(x), round(y)), round(r)


if __name__ == "__main__":
    image = cv2.imread("path/to/your/image.jpg")
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    center, radius = find_disk(img=gray, threshold=20)

    print("circle x,y: {},{}".format(center[0], center[1]))
    print("circle radius: {}".format(radius))

    # Output the original image with the detected disk superimposed
    cv2.circle(image, center, radius, (0, 0, 255), 1)
    cv2.rectangle(image, (center[0] - 2, center[1] - 2), (center[0] + 2, center[1] + 2), (0, 0, 255), -1)
    cv2.imwrite("disk_superimposed.jpg", image)

我留下了一些注释过的调试语句，如果您发现需要进一步修改，这些语句可能会派上用场

---

如果您的图像包含大量眩光，您可能需要使用更高的阈值。

能否添加图片链接？这里的主要问题是为你的半径找到一个合适的范围。好的，这里上传一张清晰的图片，我只需要将其阈值设置为二进制，然后找到斑点的质心-不需要Hough。或者这不是典型的图像？这是望远镜拍摄的图像，我想用脚本找到太阳的中心，这个中心到达CCD芯片的中心。如果我知道不同中心之间的区别，那么使用mount的feeds就很容易了。看一看，它们有帮助吗？这就是为什么我写道，我猜到了，我没有算出，这取决于你。我只看到了源图像。如果你的几个预处理步骤中的一个改变了半径，我没有解释。您可以尝试并更正正确的值，或者打印出hough circle的输入图像并测量范围。如果范围是正确的，并且没有多个圆，那么houghlines是非常精确的。我不明白。我认为模houghcircles可以自动找到太阳。它可以，但如果你需要一个非常精确的输出，你必须选择一个好的半径范围。如果你选择了错误的半径范围，houghcircles仍然可以找到圆，但它们可能会被替换，或者根本不是你要找的圆。我明白了。我必须通过实验找出这个范围吗？“查找范围”是否有一种执行方法？通过实验还是在传递给Houghcirle方法的图像中测量它。只需以像素为单位计算对象的半径。