Python OpenCV：从Hough圆检测中获取统计信息

我和一位同学正在通过图像处理来制作硬币计数器。我们使用了两种方法来识别圆形的硬币。一方面用统计数据连接组件，另一方面用霍夫变换连接组件。CC w/Stats的优点是直接输出所有重要参数（例如像素面积）。但是，CC在触摸图像中的硬币时，w/stats减弱（硬币的中心无法正确识别）。Hough变换没有这个问题，可以轻松地正确检测每个圆。然而，我们不知道如何在这里使用检测到的对象的数据。那么，有没有一种方法可以用另一个函数来获取数据，或者甚至有没有一种方法可以从CC w/Stats和Hough变换生成混合代码呢

import cv2
import numpy as np
import matplotlib.pyplot as plt

image='17.png'
img=cv2.imread(image,1)
img_orig=img.copy()
img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

img=cv2.GaussianBlur(img,(21,21),cv2.BORDER_DEFAULT)


all_circs=cv2.HoughCircles(img, cv2.HOUGH_GRADIENT,1,500,param1=110,param2=35,minRadius=200,maxRadius=600)
all_circs_rounded=np.uint32(np.around(all_circs))


count = 1
for i in all_circs_rounded[0, :]:
    cv2.circle(img_orig,(i[0],i[1],),i[2],(255,0,0),3)
    cv2.circle(img_orig,(i[0],i[1],),2,(255,0,0),3)
    cv2.putText(img_orig,"Coin"+str(count),(i[0]-70,i[1]+30),cv2.FONT_HERSHEY_SIMPLEX,1.1,(255,0,0),2)
    count+=1

print (all_circs_rounded)
print (all_circs_rounded.shape)
print ('I have found ' + str(all_circs_rounded.shape[1]) + ' coins')

plt.rcParams["figure.figsize"]=(16,9)
plt.imshow(img_orig)

---

这个问题有几种可能的解决方案

你可以用。这种方法的优点是能够在图像中定位触摸硬币，因为您可以轻松地将硬币彼此分割。此外，分水岭允许您获得硬币的中心，在那里您可以进行其他处理

继续使用。该函数返回各种参数，如可用于查找圆面积的半径。下面是一个获取半径的快速示例，您可以使用该半径来使用查找区域。此方法还允许您轻松获得圆心

完全旋转并使用带过滤的轮廓检测。可能采取的步骤是：

• 将图像转换为灰度
• 高斯模糊
• 执行或获取二进制图像
• 执行诸如

  cv2.deflate（）

  或

  cv2.decore（）

• 使用

  cv2.contourArea（）

• 要找到硬币的中心，可以使用查找质心

# detect circles in the image
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1.2, 100)

# ensure at least some circles were found
if circles is not None:
    # convert the (x, y) coordinates and radius of the circles to integers
    circles = np.round(circles[0, :]).astype("int")

    # loop over the (x, y) coordinates and radius of the circles
    for (x, y, r) in circles:
        # draw the circle in the output image, then draw a rectangle
        # corresponding to the center of the circle
        cv2.circle(output, (x, y), r, (0, 255, 0), 4)
        cv2.rectangle(output, (x - 5, y - 5), (x + 5, y + 5), (0, 128, 255), -1)

        # calculate area here
        ...