Python 霍夫圆-寻找参数

是否有减少圆检测参数的方法为什么

cv2.HoughCircles（）

中的参数在更改后有时不会受到影响？我有一个for循环来改变参数，但它不会一直影响结果

似乎Hough圆需要用户进行大量的参数优化，如果用户希望以非常普遍的方式使用系统，这将是一个可怕的问题。因此，我试图创建一个算法，自动为opencv的Houghcirles函数找到最佳参数。 目前，houghcirlces函数将在图像中找到圆的最大和最小半径，并对找到的圆的匹配程度设置一些阈值

我的希望是将要搜索的最小半径和最大半径分成不同的范围，然后使用在每个部分中找到的圆来确定最终houghcircles变换应该使用的参数。（如果有人对此有更好的方法，我很乐意听到。）

---

但是我遇到了这个问题：

似乎没有遵守最小和最大半径参数，或Canny和Hough空间阈值。

---

例如，我们可以拍摄以下图像：

并在上面运行以下代码：

import numpy as np
import cv2

file_path = '1.png'
img = cv2.imread(file_path)
gray = cv2.imread(file_path, cv2.IMREAD_GRAYSCALE)
# Begin using the largest dimesion of the image as the largest possible radius
largest_dimension = np.max([gray.shape[0], gray.shape[1]])
for i in range(1,100):
    # For the first iteration we use the largest possible radius
    if i == 1:
        maxRadius = largest_dimension
    # THe next iterations we use what the minimum radius was last iteration 
    else:
        maxRadius = minRadius
    # Reduce the size by 2 everytime
    minRadius = maxRadius/2
    dp = 1 # Inverse ratio of thresholded image resolution ?? Not sure what to do with this
    minDist = minRadius # Not likely to be much closer than the minimum radius...?
    param1 = 200 # Canny edge threshold - image OTSU threshold dependence ?? 
    param2 = 100 # Hough space threshold - radius dependance?  np.pi*maxRadius**2 ??
    circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, dp, minDist, param1, param2, minRadius, maxRadius)

    # Display some inforation about the results
    if circles is not None:
        img_copy = img.copy()
        radii = np.array([c[2] for c in circles[0]])
        num = len(circles[0])
        avg = np.mean(radii)
        print str(num) + ' found: avg radius: ' + str(avg)
        if any(radii < minRadius) or any(radii > maxRadius):
            print 'The minimum and maximum radii given are not being respected' 
        for c in circles[0]:
            cv2.circle(img_copy, (c[0],c[1]), c[2], (255,0,255),2)

        cv2.namedWindow('', cv2.WINDOW_NORMAL)
        cv2.imshow('',img_copy)
        cv2.waitKey(0)

将numpy导入为np
进口cv2
文件路径='1.png'
img=cv2.imread（文件路径）
gray=cv2.imread（文件路径，cv2.imread\u灰度）
#开始使用图像的最大尺寸作为可能的最大半径
最大尺寸=np.max（[gray.shape[0]，gray.shape[1]））
对于范围（1100）内的i：
#对于第一次迭代，我们使用可能的最大半径
如果i==1：
最大半径=最大尺寸
#在下一次迭代中，我们使用上一次迭代的最小半径
其他：
最大半径=最小半径
#每次缩小2号
最小半径=最大半径/2
dp=1#阈值图像分辨率的反比？？不知道该怎么办
minDist=最小半径#不太可能比最小半径更近。。。？
param1=200#Canny边缘阈值-图像大津阈值相关性？？
param2=100#Hough空间阈值-半径依赖性？np.pi*最大半径**2？？
圆=cv2.霍夫圆（灰色，cv2.霍夫梯度，dp，Minist，param1，param2，minRadius，maxRadius）
#显示一些关于结果的信息
如果圆不是无：
img_copy=img.copy（）
半径=np.数组（[c[2]表示圆[0]]中的c）
num=len（圆圈[0]）
平均值=平均值（半径）
打印str（num）+找到：平均半径：'+str（平均）
如果有（半径<最小半径）或任何（半径>最大半径）：
打印“未遵守给定的最小和最大半径”
对于圆[0]中的c：
cv2.圈（img_copy，（c[0]，c[1]），c[2]，（255,0255），2）
cv2.namedWindow（“”，cv2.WINDOW_正常）
cv2.imshow（“”，img_副本）
cv2.等待键（0）

我们将得到如下所示的输出，并且每次函数都不考虑半径。此外，如果我们将param1和param2（Canny边缘检测和Hough空间阈值）从3更改为6000，几乎没有任何变化

显然，下图所示的图像检测到的圆圈比任何人通常检测到的要多得多，而且只会变得更糟

我可能会提到，我希望在将来使用此脚本的图像将显示如下：

---

我对参数的异常行为也有同样的问题-你有

circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, dp, minDist, param1, param2, minRadius, maxRadius)

但是函数签名实际上是

>>> import cv2
>>> print cv2.HoughCircles.__doc__
HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]]) -> circles

注意参数列表中的

圆圈

：

我从某个地方复制了一些代码，其中明确地命名了剩余的参数，如

circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,20,param1=50,param2=30,minRadius=0,maxRadius=0)

---

在某个时候，我删除了这些名字。错了

为了更准确地检测圆并消除噪声，我实际上会在将灰度图像发送到HoughCircles（）方法之前对其执行canny边缘检测器。通过这样做，您可以获得更高的边缘检测阈值精度，因为您可以完全控制两个参数，而不仅仅是一个参数

Canny(src_gray, src_gray, 300, 500, 3 );
HoughCircles( src_gray, circles, CV_HOUGH_GRADIENT, 1, image.rows/2, 30, 30, 40, 1000 );

---

使用canny（）方法的参数，特别是300和500，为您的用例找到一个最佳点。希望这是有帮助的！祝你好运

圆的霍夫变换是一个相当“愚蠢”的算法。它会根据您的参数强制执行图像。如果不指定半径，则必须对所有半径使用蛮力，这将花费太长的时间。在前两张火焰图像中，我不假设在canny边缘后有任何圆，TBHY您可以使用canny edge detectiom，在hough中选择上thres=param，下thres=param/2，以查看将搜索哪些图像圆。我尝试使用我的param1和param1/2作为阈值运行canny，即使我将值设为2000（生成黑色图像），我仍然从Houghcircs获得完全相同的输出。看起来只有最小-最大半径参数改变了什么，但它们仍然不能正常工作。是的，在Canny工作之前，我需要对其中一些图像进行一些处理步骤，但这也是我把它们放在那里的一个原因，以防有人提出建议，比如沃罗尼或分水岭，或者在Canny之前我不知道要使用的东西。我使用HoughCircles使用5MP摄像头检测金属件上的孔，并添加Canny，因为预处理根本没有帮助！通过调整dp参数，我得到了一些改进的结果。。。