使用霍夫圆变换检测圆形数组

Question

我正在尝试检测数组中的所有圆形。为此，我使用了霍夫圆变换。现在我能检测到数组中的100%圆形，但有很多错误的检测结果（假阳性）。当我去掉这些错误的检测结果时，就无法检测到100%的圆形。当我把下面代码中的dp参数改为1时，所有的错误检测结果都消失了；但如果保持为3，就会有很多错误的检测结果，同时还能检测到100%的圆形。我希望能在没有或只有很少错误检测结果的情况下，达到100%的检测率。有什么好的方法可以做到这一点呢？

import cv2
import cv2.cv as cv
import numpy as np

img = cv2.imread('test1.tiff',0)
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

circles = cv2.HoughCircles(img, cv.CV_HOUGH_GRADIENT,3,15,
                        param1=70 ,param2=17,minRadius=1,maxRadius=10)

circles = np.uint16(np.around(circles))
for i in circles[0,:]:
# draw the outer circle
    cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)

cv2.imshow('detected circles',cimg)
cv2.imwrite("output15.jpg", cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()

这里有一张示例图片：

Answer 1

因为这些是圆形的，而且都是黑色的，为什么不使用一种叫做形态学的处理方法，把它们过滤掉呢？可以用一个圆盘形状的工具来处理，然后把处理后的图像和原始图像相减，这样就能得到比较好的结果。形态学处理的速度虽然不算特别快，但比另一种叫做霍夫变换的方法要快。

具体做法是，先把背景扩张（用圆盘形状的工具），直到黑色部分消失，然后再把原始图像从处理后的图像中减去。接着进行阈值处理。最后，你可以通过大小过滤，去掉那些可能会漏进来的小碎片。

考虑到这个应用场景，我觉得霍夫变换不是最好的选择，除非这是一个学校的项目。