如何使用 python 操作霍夫圆来检测给定图像中的所有圆？

Question

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

import copy

image = cv2.imread('C:/Users/Deepak Padhi/Desktop/download.png')

#cv2.imshow('Filtered_original',image)

image = cv2.GaussianBlur(image,(5,5),0)

orig_image = np.copy(image)
gray= image[:,:,1]
output=gray.copy()
##cv2.imshow("gray", gray)
##cv2.waitKey(0)

circles=cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 3, 4.0)

circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    # draw the outer circle
    cv2.circle(output,(i[0],i[1]),i[2],(0,255,0),2)
    # draw the center of the circle
    cv2.circle(output,(i[0],i[1]),2,(0,0,255),3)
cv2.imshow('detected circles',output)

这是我用来尝试检测给定图像中所有圆圈的代码： Image of circles

我应该操纵哪个参数以及如何操纵来检测较小和较大的圆圈？我已经根据两个圆尝试了 minRadius 和 maxRadius 的可能值，但它没有用，所以我让它重置为默认值。

感觉就像 canny 边缘检测器实际上正在检测具有默认参数 (100,100) 的较小圆圈，如附件 canny detection

我拍了给定图像的绿色平面：Original Image

Answer 1

我建议你先 read the docs。

如果您只是更改 param1 和 param2 这两个 Canny 边缘检测器的阈值，cv2.HoughCircles 工作正常。

这里是代码：

import cv2
import numpy as np

image = cv2.imread('circles.png')

image = cv2.GaussianBlur(image, (5, 5), 0)

orig_image = np.copy(image)
gray = image[:, :, 1]
output = gray.copy()

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

circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    # draw the outer circle
    cv2.circle(output, (i[0], i[1]), i[2], (0, 255, 0), 2)
    # draw the center of the circle
    cv2.circle(output, (i[0], i[1]), 2, (0, 0, 255), 3)
cv2.imwrite('detected circles.png', output)

如何使用 python 操作霍夫圆来检测给定图像中的所有圆？

How to manipulate hough circles to detect all circles in the given image using python?

python

opencv

image-processing

hough-transform