Python和OpenCV。如何检测图像中所有（填充的）圆形/圆形物体？

Question

我正在尝试制作一个程序，这个程序可以打开一张图片，扫描里面的圆形或圆状物体，并返回它们的坐标，这样我就可以使用 cv.Circle 函数在检测到的圆上画圈。

我想问的是：我该如何使用 cv.HoughCircles() 来获取图片中检测到的圆的坐标和半径呢？

通过这个页面，我找到了如何检测圆的方法（这花了我很多时间，因为我不太懂像阈值这样的术语，而且OpenCV的Python文档真的很差，几乎没有）。不幸的是，那个页面没有展示如何从创建的 CvMat 中提取每个检测到的圆的信息。我该如何提取这些信息？有没有其他方法（比如使用 MemoryStorage()）？

这是我目前的代码：

import cv, opencv

def main():


    im = cv.LoadImageM("Proba.jpg")

    gray = cv.CreateImage(cv.GetSize(im), 8, 1)
    edges = cv.CreateImage(cv.GetSize(im), 8, 1)

    cv.CvtColor(im, gray, cv.CV_BGR2GRAY)
    cv.Canny(gray, edges, 50, 200, 3)
    cv.Smooth(gray, gray, cv.CV_GAUSSIAN, 9, 9)

    storage = cv.CreateMat(im.rows, 1, cv.CV_32FC3)

    cv.HoughCircles(edges, storage, cv.CV_HOUGH_GRADIENT, 2, gray.height/4, 200, 100)
    # Now, supposing it found circles, how do I extract the information?
    print storage.r



if __name__ == '__main__':
    main()

另外，HoughCircles 的最后两个参数需要设置成什么值，才能让我检测到非常小的圆（比如屏幕上3毫米的圆）呢？

谢谢大家花时间和精力来帮助我！

我正在处理的图片是这个：

Answer 1

这里有一个类似的解决方案，用的是Python。最开始我尝试运行一个关于轮廓检测的教程，链接在这里，但效果不太好。所以我首先需要进行一些阈值处理。阈值处理的代码在这里：

    fimg = misc.imread("boubles.jpg")
    gimg = color.colorconv.rgb2grey(fimg)
    vimg = []
    for l in gimg:
        l2 = sign(l - 0.50) / 2 + 0.5
        vimg.append(l2)

    img = array(vimg)
    imshow(img)

这样我就得到了如下的图像：

然后按照上面链接中的边缘检测方法，我得到了这个结果：

如果你查看代码，会发现其实计算物体的数量非常简单。唯一的问题是，有些气泡被计算了两次。我觉得阈值处理的功能也可以进一步改进。不过我建议使用skimage库，它使用起来很方便，官网上还有很多好的示例。

Answer 2

看看我在这个问题上的回答，里面有一些可以用的源代码（虽然是C语言，但我用的是C++编译器，因为它更宽松）。

首先，我对你的图片进行了裁剪（这样方便处理），然后对图片进行了阈值处理，以便把前景和背景分开：

接着，我直接把源代码应用到了处理过的图片上。这里是输出的文本：

center x: 330 y: 507 A: 13 B: 4
center x: 78 y: 507 A: 22 B: 4
center x: 270 y: 503 A: 8 B: 8
center x: 222 y: 493 A: 21 B: 17
center x: 140 y: 484 A: 17 B: 18
center x: 394 y: 478 A: 17 B: 15
center x: 311 y: 468 A: 8 B: 8
center x: 107 y: 472 A: 12 B: 12
center x: 7 y: 472 A: 6 B: 19
center x: 337 y: 442 A: 10 B: 9
center x: 98 y: 432 A: 10 B: 10
center x: 357 y: 421 A: 7 B: 7
center x: 488 y: 429 A: 22 B: 23
center x: 411 y: 400 A: 13 B: 12
center x: 42 y: 400 A: 11 B: 12
center x: 365 y: 391 A: 14 B: 13
center x: 141 y: 396 A: 19 B: 19
center x: 9 y: 379 A: 8 B: 18
center x: 192 y: 365 A: 10 B: 9
center x: 347 y: 340 A: 20 B: 20
center x: 8 y: 305 A: 7 B: 13
center x: 95 y: 308 A: 23 B: 24
center x: 318 y: 297 A: 15 B: 15
center x: 159 y: 285 A: 10 B: 10
center x: 412 y: 291 A: 26 B: 27
center x: 504 y: 278 A: 6 B: 16
center x: 233 y: 277 A: 20 B: 20
center x: 459 y: 256 A: 15 B: 15
center x: 7 y: 239 A: 6 B: 9
center x: 377 y: 239 A: 14 B: 14
center x: 197 y: 228 A: 12 B: 12
center x: 302 y: 237 A: 12 B: 22
center x: 98 y: 224 A: 24 B: 23
center x: 265 y: 203 A: 18 B: 18
center x: 359 y: 202 A: 22 B: 22
center x: 149 y: 201 A: 20 B: 21
center x: 219 y: 169 A: 7 B: 9
center x: 458 y: 172 A: 20 B: 20
center x: 497 y: 157 A: 13 B: 21
center x: 151 y: 125 A: 18 B: 17
center x: 39 y: 109 A: 9 B: 10
center x: 81 y: 116 A: 20 B: 19
center x: 249 y: 104 A: 14 B: 13
center x: 429 y: 76 A: 23 B: 24
center x: 493 y: 33 A: 11 B: 10
center x: 334 y: 26 A: 12 B: 14

这是处理后的输出图片：

主要的问题是，合并在一起的圆形没有被检测到。这个代码最初是为了检测填充的椭圆而写的，所以你可能需要调整一下代码来解决这个问题。

Answer 3

最后两个参数似乎是传给了 cv.Canny()，这意味着 cv.Canny() 是在 cv.HoughCircles() 里面被调用的。不过我不太确定这一点。

至于尺寸，接下来的两个参数（在 200, 100 之后）默认值似乎是 0，这可能意味着会检测到 所有 尺寸。

从 C++ 示例的源代码来看，我也可以猜测你不需要进行 Canny 边缘检测：

#include <cv.h>
#include <highgui.h>
#include <math.h>

using namespace cv;

int main(int argc, char** argv)
{
    Mat img, gray;
    if( argc != 2 && !(img=imread(argv[1], 1)).data)
        return -1;
    cvtColor(img, gray, CV_BGR2GRAY);
    // smooth it, otherwise a lot of false circles may be detected
    GaussianBlur( gray, gray, Size(9, 9), 2, 2 );
    vector<Vec3f> circles;
    HoughCircles(gray, circles, CV_HOUGH_GRADIENT,
                 2, gray->rows/4, 200, 100 );
    for( size_t i = 0; i < circles.size(); i++ )
    {
         Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
         int radius = cvRound(circles[i][2]);
         // draw the circle center
         circle( img, center, 3, Scalar(0,255,0), -1, 8, 0 );
         // draw the circle outline
         circle( img, center, radius, Scalar(0,0,255), 3, 8, 0 );
    }
    namedWindow( "circles", 1 );
    imshow( "circles", img );
    return 0;
}

你是在尝试把这段 C++ 代码转换成 Python，对吧？

for( size_t i = 0; i < circles.size(); i++ )
{
     Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
     int radius = cvRound(circles[i][2]);
     // draw the circle center
     circle( img, center, 3, Scalar(0,255,0), -1, 8, 0 );
     // draw the circle outline
     circle( img, center, radius, Scalar(0,0,255), 3, 8, 0 );
}

据我所知，CvMat 对象是可以像列表一样进行迭代的：

for circle in storage:
  radius = circle[2]
  center = (circle[0], circle[1])

  cv.Circle(im, center, radius, (0, 0, 255), 3, 8, 0)

我没有测试用的图片，所以别完全相信我说的这个有效。你完整的代码可能是：

import cv

def main():
  im = cv.LoadImage('Proba.jpg')
  gray = cv.CreateImage(cv.GetSize(im), 8, 1)
  edges = cv.CreateImage(cv.GetSize(im), 8, 1)

  cv.CvtColor(im, gray, cv.CV_BGR2GRAY)
  #cv.Canny(gray, edges, 20, 55, 3)

  storage = cv.CreateMat(im.width, 1, cv.CV_32FC3)
  cv.HoughCircles(edges, storage, cv.CV_HOUGH_GRADIENT, 5, 25, 200, 10)

  for i in xrange(storage.width - 1):
    radius = storage[i, 2]
    center = (storage[i, 0], storage[i, 1])

    print (radius, center)

    cv.Circle(im, center, radius, (0, 0, 255), 3, 8, 0)

  cv.NamedWindow('Circles')
  cv.ShowImage('Circles', im)
  cv.WaitKey(0)

if __name__ == '__main__':
  main()