2018-03-0418:03:12
整体代码如下:
def detect_circle_demo (image):
# 降噪处理
dst = cv.pyrMeanShiftFiltering(image,10,80)
cv.imshow("jiangzao",dst)
cimage = cv.cvtColor(dst,cv.COLOR_BGR2GRAY) # 灰度图转换
print("正在灰度转换。。。。。。")
cv.imshow("test",cimage)
# 霍夫圆处理
circles = cv.HoughCircles(cimage,cv.HOUGH_GRADIENT,1,20,param1=50,param2=30,minRadius=0,maxRadius=0)
print("原值",circles)
# 转换为整数
circles = np.uint16(np.around(circles))
print("转换为整数",circles)
for i in circles[0,:]:
cv.circle(image,(i[0],i[1]),i[2],(0,0,255),2)
cv.circle(image,(i[0],i[1]),2,(255,0,0),2)
cv.imshow("circle",image)src = cv.imread("E:/opencv_pictures/smarties.png")
cv.namedWindow("output",cv.WINDOW_AUTOSIZE)
cv.imshow("output",src)
detect_circle_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
Meanshift的代码:
cv.pyrMeanShiftFiltering(image,10,80)
因为主要目的是预处理降噪,windows size和color distance都不用太大,避免浪费计算时间还有过度降噪。降噪后可以看到桌面上的纹理都被抹去了,纸张边缘附近干净了很多。然而这还远远不够,图案本身,和图像里的其他物体都有很多明显的边缘,而且都是直线边缘。
降噪处理,一般是为了避免,处理边缘时的模糊问题,这样能更精确的发现边缘。
其中,没有检测到圆的问题如下图:
右上角出现未检测到的圆,应该是降噪过度导致的,所以修改参数即可。
如图,即可识别所有的原型,如果出现乱线,就是满屏的红线,那就是未降噪,或者是降噪不足导致的。