如何改进霍夫圆变换以检测由散点构成的圆

我有一个非常基本的代码，它使用openCV中的标准化HoughCircles命令来检测圆。但是，我的问题是，我的数据（图像）是使用一种算法（用于数据模拟）生成的，该算法绘制了一个点，该点位于r的±15％（在此范围内随机）范围内（其中r是半径（随机生成的数值在5到10之间（实数）），然后使用圆的方程对360度进行计算。（附上示例图片）。 http://imgur.com/a/iIZ1N 现在使用Hough circle命令，我可以通过手动使用参数（通过设置轨迹条，灵感来自同一性质的github代码）来检测大约相同半径的圆，但我想自动化这个过程就像我有1000多张图片一样，我想反复做这个。有没有更好的方法来做到这一点？或者如果有人有任何建议，我会非常感谢他们，因为我是图像处理领域的初学者，并且拥有物理背景而非CS。我的代码粗略样品（不含trackbars等低于）：如何改进霍夫圆变换以检测由散点构成的圆

Mat img = imread("C:\\Users\\walee\\Documents\\MATLAB\\plot_2 .jpeg", 0); 
Mat cimg,copy; 
copy = img; 
medianBlur(img, img, 5); 
GaussianBlur(img, img, Size(1, 5), 1.1, 0); 

cvtColor(img, cimg, COLOR_GRAY2BGR); 
vector<Vec3f> circles; 
HoughCircles(img, circles, HOUGH_GRADIENT,1, 10, 94, 57, 120, 250); 
for (size_t i = 0; i < circles.size(); i++) 
{ 
    Vec3i c = circles[i]; 
    circle(cimg, Point(c[0], c[1]), c[2], Scalar(0, 0, 255), 1, LINE_AA); 
    circle(cimg, Point(c[0], c[1]), 2, Scalar(0, 255, 0), 1, LINE_AA); 
} 
imshow("detected circles", cimg); 
waitKey(); 
return 0;

来源

2017-02-13 user2918711

如果所有图像具有相同的性质（黑轴和点为界），我会建议做以下几点：

1）通过发现黑色元素除去轴线并与背景替换它们

2）反转的颜色有黑色背景

3）执行形态学闭以填充的圆圈，并创造更多的固体分

4）（可选），如果点的密度高，你可以尝试申请另一个形态操作，即扩张使数据圆薄

5）申请霍夫圈

来源

2017-02-13 22:10:28 MateuszB

我将填补圈尽快做到这一点很简单，尽快回复你。（因为它是一个模拟，我可以控制我给程序的数据，在数据生成过程中，没有填充的圆圈就是我的懒惰）。至于倒置的颜色，我在印象中二值化图像使图像只有黑色和白色，我在这个假设是错误的吗？ – user2918711

这是正确的 - 二值化使图像变成黑白。我只是想确保背景是黑色的，前景是白色的。否则，形态学操作会相反。 – MateuszB

我尝试了所有这一切，虽然它确实改善了前几张图片的结果，但程序未能为更多图像做到这一点。我也想过实现一种搜索算法，以获得累加器阵列的最佳值，以检测最佳单圆，但程序开始检测到的圆比我想要的还要小。 – user2918711

如何改进霍夫圆变换以检测由散点构成的圆

回答

相关问题