将 HoughCircles 与 3 通道输入一起使用时出错

Question

在检测圆圈之前，我将 red 通道替换为 green 通道。更换通道后，我将其通过模糊过滤器，然后进行霍夫变换以检测圆圈。但是当我这样做时，我收到一条糟糕的错误消息：

OpenCV(3.4.1) Error: Assertion failed (!_image.empty() && _image.type() == (((0) & ((1 << 3) - 1)) + (((1)-1) << 3)) && (_image.isMat() || 

_image.isUMat())) in HoughCircles, file /io/opencv/modules/imgproc/src/hough.cpp, line 1659
Traceback (most recent call last):

  File "circle_light.py", line 44, in <module>
    param1=param1,param2=param2,minRadius=minRadius,maxRadius=maxRadius)

cv2.error: OpenCV(3.4.1) /io/opencv/modules/imgproc/src/hough.cpp:1659: error: (-215) !_image.empty() 

&& _image.type() == (((0) & ((1 << 3) - 1)) + (((1)-1) << 3)) && (_image.isMat() || _image.isUMat()) in function HoughCircles

我无法从中得到任何意义，因此无法理解我可能做错了什么。这是我所做的片段。

import cv2

img = cv2.imread("images/{}".format("img.png"), 1)

b,g,r = cv2.split(img)
img = cv2.merge([b,g,g])
img = cv2.GaussianBlur(img,(5,5),0)

minDist = 11
param1 = 20
param2 = 20
minRadius = 10
maxRadius = 20

circles = cv2.HoughCircles(
    img, cv2.HOUGH_GRADIENT, 1, minDist,
    param1=param1, param2=param2, minRadius=minRadius, maxRadius=maxRadius
)

调用HoughCircles函数时出现错误。我可能做错了什么？

Answer 1

您只能在单通道（灰度）图像上调用 cv2.HoughCircles()，您的图像有 3 个通道。

Documentation.

Answer 2

关于解释错误。它来自 hough.cpp#L1659:

CV_Assert(!_image.empty() && _image.type() == CV_8UC1 && (_image.isMat() || _image.isUMat()));

将其分解，必须满足以下所有条件：

!_image.empty()：输入图片不能为空；
_image.type() == CV_8UC1：输入图像必须是8U（8位无符号，np.uint8）和C1（单通道）；
_image.isMat() || _image.isUMat()：检查输入是Mat还是UMat（在Python中，必须是numpy数组）；

关于您的特定错误消息 (error: (-215) !_image.empty() && _image.type() == (((0) & ((1 << 3) - 1)) + (((1)-1) << 3)) && (_image.isMat() || _image.isUMat()))：

错误代码（-215）来自here：它是通用的CV_StsAssert；
然后是这些数字：它们代表 CV_8UC1。你想知道为什么吗？你应该 :) 我们开始吧：
1. CV_8UC1
2. CV_MAKETYPE(CV_8U,1):: 来自#define CV_8UC1 CV_MAKETYPE(CV_8U,1)
3. CV_MAKETYPE(0,1):: 来自#define CV_8U 0
4. (CV_MAT_DEPTH(0) + (((1)-1) << CV_CN_SHIFT)):: 来自#define CV_MAKETYPE(depth,cn) (CV_MAT_DEPTH(depth) + (((cn)-1) << CV_CN_SHIFT))
5. (((0) & CV_MAT_DEPTH_MASK) + (((1)-1) << CV_CN_SHIFT)):: 来自#define CV_MAT_DEPTH(flags) ((flags) & CV_MAT_DEPTH_MASK)
6. (((0) & (CV_DEPTH_MAX - 1)) + (((1)-1) << CV_CN_SHIFT)):: 来自#define CV_MAT_DEPTH_MASK (CV_DEPTH_MAX - 1)
7. (((0) & ((1 << CV_CN_SHIFT) - 1)) + (((1)-1) << CV_CN_SHIFT)):: 来自#define CV_DEPTH_MAX (1 << CV_CN_SHIFT)
8. (((0) & ((1 << 3) - 1)) + (((1)-1) << 3)):: 来自#define CV_CN_SHIFT 3

我会尝试补充 @Mark Setchell 的答案，只是因为我很好奇并且想分享:)

如果您查看文档，cv2.HoughCircle() is part of the imgproc module (under the Feature Detection "submodule"). The documentation says that the only implemented method is the HOUGH_GRADIENT (aka 21HT, i.e., Two stage Hough Transform), and they point out to the reference paper "Comparative study of Hough Transform methods for circle finding" (1990) :). If you cannot access because of the paywall, you can access the 1989's version for free)。在论文中，作者评论：

The HT method of shape analysis uses a constraint equation relating points in a feature space to possible parameter values of the searched for shape. For each feature point, invariably edge points, votes are accumulated for all parameter combinations which satisfy the constraint. [...]

后来，他们写道：

If edge direction information is available, then one way to reduce the storage and computational demands of circle finding is to decompose the problem into two stages [...]

因此，如果你想坚持21HT，你基本上需要边缘和边缘方向信息。例如，您可以通过 Sobel（例如 dx 和 dy）获取边缘方向信息，并使用这些已经计算出的 dx 和 dy 来获得使用 Canny 的边缘。事实上，这就是 OpenCV 实现所做的。如果您导航到 modules/imgproc/src/hough.cpp, you can see the Sobel+Sobel+Canny operations here.

那么，什么？嗯，这意味着如果你有另一种方法（或者你想提出一个新方法，为什么不呢？）能够 return 更适合你的情况的边缘和边缘方向信息（也许 colors 在你的情况下有不同的含义），那么你可以用你的方法替换这 3 行（Sobel+Sobel+Canny）并重新使用其余的实现（很酷，是吧？ ).如果你有灵感:)，你可以看看“A Short History of Color Edge Detection”然后从那里开始。

那么，为什么我们需要单通道输入？好吧，主要是因为我们需要边缘，它们通常表示为 单通道图像 。另外，implementation目前只支持单通道的边缘和边缘方向信息。然而，这些概念中的大多数都可以扩展到多通道输入。我认为，因为没有通用的解决方案（可能这些概念会根据具体情况而改变）并且很少有人会从中受益，所以到目前为止还没有人费心提供任何实施。

抱歉回答太长了。我知道 TL;DR "the method requires single-channel input" 就足够了。我很好奇，想分享 =]

将 HoughCircles 与 3 通道输入一起使用时出错

Error using HoughCircles with 3-channel input

python

opencv

image-processing

computer-vision

hough-transform