Python 使用houghCircles（OpenCV）检测小圆

我正在尝试使用houghcircles（）检测此裁剪图像中的小圆圈。我试图更改它的参数，但当我将param2增加到50以上时，它会出错；当maxRadius的值小于100时，它也会出错。现在它运行，但性能不好 这是原始图像：

这是结果图：

这是我的代码：

from imutils.perspective import four_point_transform
from imutils import contours
import numpy as np
import argparse
import imutils
import cv2

im = cv2.imread('crop.png')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray, 200, 255,cv2.THRESH_BINARY)
cimg = cv2.cvtColor(thresh,cv2.COLOR_GRAY2BGR)

c = cv2.HoughCircles(thresh, cv2.HOUGH_GRADIENT, 0.5, 41, param1=70, 
param2=30, minRadius=10,maxRadius=175)
c = np.uint16(np.around(c))

for i in c[0,:]:
    # draw the outer circle
    cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)
    # draw the center of the circle
    cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)

cv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 800,800)
cv2.imshow('img',cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

请问，我应该如何更改参数？

如果您试图在不了解参数作用的情况下更改参数，则需要很长时间才能解决此问题

此描述来自

minDist：检测到的圆的中心（x，y）坐标之间的最小距离。如果正念者太小，则会有多个圆圈 可能（错误地）检测到与原始邻域相同的邻域。如果 Mindsist太大，则可能根本无法检测到某些圆圈

param1：Yuen等人方法中用于处理边缘检测的梯度值

参数2：cv2.HOUGH_梯度法的累加器阈值。阈值越小，圆圈就越多 检测到（包括假圆）。阈值越大，则越大 可能会返回更多的圆圈

minRadius：半径的最小大小（以像素为单位）

maxRadius：半径的最大大小（以像素为单位）

您可以清楚地看到，图像中的圆具有固定的半径，并且它们之间的距离最小。如果设置这两个参数，则可以改进结果。因此，阅读文档很重要

关于你的问题，如果你有使用Houghcircles的特殊必要性，请继续并微调它。您可以做的改进是，使用gaussianblur进行预处理，使用adaptivethreshold而不仅仅是threshold

如果没有必要使用霍夫圆，我建议您使用轮廓代替。因为它更健壮，可以很好地推广到不同的图像。这是我用等高线得到的结果。这些圆看起来更小，因为我已经使用了6次腐蚀迭代和3次膨胀迭代

这是我使用的代码

import numpy as np
import cv2

image_color= cv2.imread("Ye3gs.png")
image_ori = cv2.cvtColor(image_color,cv2.COLOR_BGR2GRAY)

lower_bound = np.array([0,0,10])
upper_bound = np.array([255,255,195])

image = image_color

mask = cv2.inRange(image_color, lower_bound, upper_bound)

# mask = cv2.adaptiveThreshold(image_ori,255,cv2.ADAPTIVE_THRESH_MEAN_C,\
#             cv2.THRESH_BINARY_INV,33,2)

kernel = np.ones((3, 3), np.uint8)

#Use erosion and dilation combination to eliminate false positives. 
#In this case the text Q0X could be identified as circles but it is not.
mask = cv2.erode(mask, kernel, iterations=6)
mask = cv2.dilate(mask, kernel, iterations=3)

closing = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)

contours = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL,
        cv2.CHAIN_APPROX_SIMPLE)[0]
contours.sort(key=lambda x:cv2.boundingRect(x)[0])

array = []
ii = 1
print len(contours)
for c in contours:
    (x,y),r = cv2.minEnclosingCircle(c)
    center = (int(x),int(y))
    r = int(r)
    if r >= 6 and r<=10:
        cv2.circle(image,center,r,(0,255,0),2)
        array.append(center)

cv2.imshow("preprocessed", image_color)
cv2.waitKey(0)

将numpy导入为np
进口cv2
image\u color=cv2.imread（“Ye3gs.png”）
image\u ori=cv2.cvt颜色（image\u color，cv2.color\u bgr2灰色）
下界=np.数组（[0,0,10]）
上界=np.数组（[255255195]）
图像=图像颜色
掩码=cv2.inRange（图像颜色、下限、上限）
#掩码=cv2.自适应阈值（图像ori，255，cv2.自适应阈值平均值\
#cv2.THRESH_二进制_INV，33,2）
内核=np.ones（（3，3），np.uint8）
#使用腐蚀和扩张组合消除假阳性。
#在这种情况下，文本Q0X可以标识为圆圈，但不是。
mask=cv2.腐蚀（mask，内核，迭代次数=6）
掩码=cv2.deflate（掩码，内核，迭代次数=3）
关闭=cv2.morphologyEx（掩码，cv2.MORPH_打开，内核）
轮廓=cv2.findContours（mask.copy（），cv2.RETR_外部，
cv2.链约简单[0]
sort（key=lambda x:cv2.boundingRect（x）[0]）
数组=[]
ii=1
印刷透镜（轮廓）
对于等高线中的c：
（x，y），r=cv2。闭合圆（c）
中心=（整数（x），整数（y））
r=int（r）
如果OpenCV 3中的r>=6且r，则findContours的签名已更改。
要返回轮廓，您需要更改此线：

contours = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]

对此

contours = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[1]

感谢您的帮助，但它给了我一个错误：
contours.sort（key=lambda x:cv2.boundingRect（x）[0]）TypeError:“key”是此函数的无效关键字参数
感谢我在添加此函数时所做的大量工作返回（（原点[1]//公差系数）*公差系数）*cols+原点[0]

我建议使用轮廓+MineConclosingCircle函数，然后将圆边界/区域与检测到的轮廓进行比较，以过滤掉非圆contours@LilyBaker你能解释一下你是如何纠正打字错误的吗？我也得到了同样的结果。