找到所有圈子对象

我试图找到使用Python包装的OpenCV的图像圈的所有对象。喜欢的东西this。找到所有圈子对象

使用cv2.HoughCircles，但我无法找到最佳参数。有没有可能？

我的代码：

import cv, cv2 
import numpy as np 

im = cv2.imread("C:/1.jpg") 

grey = cv2.cvtColor(im, cv.CV_RGB2GRAY) 
blur= grey 
#blur = cv2.GaussianBlur(grey, (0,0), 10) 
circles = cv2.HoughCircles(blur, cv2.cv.CV_HOUGH_GRADIENT, 2, 5, np.array([]), 40, 80, 5, 50)#params? 
if circles is not None: 
     for c in circles[0]: 
       cv2.circle(im, (c[0],c[1]), c[2], (0,255,0),2) 
edges = cv2.Canny(blur, 40, 80) 

cv2.imwrite("C:/circle.jpg",im) 
cv2.imwrite("C:/canny.jpg",edges)

enter image description here

来源

2013-10-28 mrgloom

尝试'圈= cv2.HoughCircles（模糊，cv2.cv.CV_HOUGH_GRADIENT，1，16，np.array（[]）， 15，36，如图9所示，35）'，'用于CircularHough_Grd（红色MATLAB结果，[3 35]，20％，15，1）;'是这里（http://i.stack.imgur.com/bw5HL.jpg）。它似乎仍然吸引更多的泡沫。 matlab版本使用'adapthisteq'，它的opencv中的等价物是'createCLAHE'。我已经尝试过，但结果没有太大的不同，这意味着它可能是circularhough实现之间的区别。我注意到较小的雷达范围可以捕捉更多的东西，所以也许尝试多个不同的范围并将它们结合在一起 –

这不是关于你所提供的图像一件容易的事。

尝试为您的半径找到一个很好的范围（minRadius,maxRadius：不要太大，否则一些小圈子会被视为一个大圆圈）也会改善您的结果。

否则我建议用另一种方法中，分离该对象（watershedding例如）

来源

2013-10-28 15:00:16 Mailerdaimon

找到所有圈子对象

回答

相关问题