opencv2：圆检测未检测到明显的圆
opencv2: Circle detection not detecting the obvious ones
问题
我正在尝试使用 opencv2 在静止图像中检测 PlayStation Move 运动控制器。为了增加球体和背景之间的对比度，我决定修改输入图像以自动缩放每个通道的图像平均水平和 96 以上的亮度水平，然后在转换为灰度时，取最大值默认变换，因为一些球体是饱和的但不是 "bright".
然而，我在调整参数方面的最佳尝试似乎效果不佳，检测到明显圆圈上不存在的圆圈。
如何提高检测的准确性？您认为我可以使用哪些其他改进或算法？
样本
从最好到最差的顺序：
2 个魔杖，检测到 1 个魔杖（显示所有 2 个检测到的圆圈）
2 根魔杖，检测到 1 根魔杖有许多 none 存在的圆圈（显示前 4 个圆圈）
1 根魔杖（深色背景），总共 6 个圆圈，其中排名最低的是正确的（显示所有 6 个圆圈）
1 根魔杖（黑色背景），总共检测到 44 个圆圈，none 其中是那个魔杖（显示所有 44 个圆圈）
我正在使用这个函数调用：
cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT,
dp=1, minDist=24, param1=90, param2=25,
minRadius=2, maxRadius=48)
所有图像都调整大小并裁剪为 640x480（PS3 眼睛的分辨率）。不执行模糊。
我认为 hough 圆圈对你来说是错误的方法，因为你并不是真的在寻找圆圈。您正在寻找强度高的圆形区域。使用例如代替斑点检测，我链接了一个指南：
https://www.learnopencv.com/blob-detection-using-opencv-python-c/
在斑点检测中，需要设置参数以获得合适的高强度圆形区域。
正如其他用户所说，霍夫圆不是这里最好的方法，因为霍夫圆只寻找完美的圆。而你的目标是 "circular" 但不是圆圈（由于运动模糊、光线 bleed/reflection、噪音等）
我建议将图像转换为 HSV，然后通过 hue/color 和强度过滤以获得二进制阈值，而不是直接使用灰度（这将有助于去除背景和噪声并限制搜索区域）
然后使用 findContours()（比 blob 检测更快），检查高圆度和预期 size/area 范围甚至坚固性的轮廓。
area = cv2.contourArea(contour)
perimeter = cv2.arcLength(contour,True)
circularity = 4*np.pi*area / (perimeter**2)
solidity = area/cv2.contourArea(cv2.convexHull(contour))
您最大的问题是由于低对比度导致球体轮廓与背景融合。所以也许一些 adaptive threshold 可以帮助
问题
我正在尝试使用 opencv2 在静止图像中检测 PlayStation Move 运动控制器。为了增加球体和背景之间的对比度，我决定修改输入图像以自动缩放每个通道的图像平均水平和 96 以上的亮度水平，然后在转换为灰度时，取最大值默认变换，因为一些球体是饱和的但不是 "bright".
然而，我在调整参数方面的最佳尝试似乎效果不佳，检测到明显圆圈上不存在的圆圈。
如何提高检测的准确性？您认为我可以使用哪些其他改进或算法？
样本
从最好到最差的顺序：
2 个魔杖，检测到 1 个魔杖（显示所有 2 个检测到的圆圈）
2 根魔杖，检测到 1 根魔杖有许多 none 存在的圆圈（显示前 4 个圆圈）
1 根魔杖（深色背景），总共 6 个圆圈，其中排名最低的是正确的（显示所有 6 个圆圈）
1 根魔杖（黑色背景），总共检测到 44 个圆圈，none 其中是那个魔杖（显示所有 44 个圆圈）
我正在使用这个函数调用：
cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT,
dp=1, minDist=24, param1=90, param2=25,
minRadius=2, maxRadius=48)
所有图像都调整大小并裁剪为 640x480（PS3 眼睛的分辨率）。不执行模糊。
我认为 hough 圆圈对你来说是错误的方法，因为你并不是真的在寻找圆圈。您正在寻找强度高的圆形区域。使用例如代替斑点检测，我链接了一个指南：
https://www.learnopencv.com/blob-detection-using-opencv-python-c/
在斑点检测中，需要设置参数以获得合适的高强度圆形区域。
正如其他用户所说，霍夫圆不是这里最好的方法，因为霍夫圆只寻找完美的圆。而你的目标是 "circular" 但不是圆圈（由于运动模糊、光线 bleed/reflection、噪音等）
我建议将图像转换为 HSV，然后通过 hue/color 和强度过滤以获得二进制阈值，而不是直接使用灰度（这将有助于去除背景和噪声并限制搜索区域）
然后使用 findContours()（比 blob 检测更快），检查高圆度和预期 size/area 范围甚至坚固性的轮廓。
area = cv2.contourArea(contour)
perimeter = cv2.arcLength(contour,True)
circularity = 4*np.pi*area / (perimeter**2)
solidity = area/cv2.contourArea(cv2.convexHull(contour))
您最大的问题是由于低对比度导致球体轮廓与背景融合。所以也许一些 adaptive threshold 可以帮助