OpenCV霍夫圓變換未檢測到板球

這是我的圖片，我想檢測紅球：

但是，我根本無法讓代碼正常作業。我嘗試過使用不同的 param1 和 param2 值、更大的 dp 值，甚至重新縮放影像。

對此（甚至是檢測球的替代方法）的任何幫助將不勝感激。

代碼：

frame = cv.imread("cricket_ball.png")

# Convert frame to grayscale
gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)


# cv.HoughCircles returns a 3-element floating-point vector (x,y,radius) for each circle detected
circles = cv.HoughCircles(gray,cv.HOUGH_GRADIENT,1,minDist=100, minRadius=2.5,maxRadius=10) # Cricket ball on videos are approximately 10 pixels in diameter.

print(circles)

# Ensure at least one circle was found
if circles is not None:
    # Converts (x,y,radius to integers)
    circles = np.uint8(np.around(circles))

    for i in circles[0,:]:
        cv.circle(frame, (i[0],i[1]), i[2], (0,255,0), 20) # Produce circle outline

cv.imshow("Ball", frame)
    
cv.waitKey(0)

uj5u.com熱心網友回復：

這是我的嘗試。這個想法是找到球，假設是場景中最飽和的物體之一。這應該覆寫所有明亮的物體，與它們的顏色無關。

我不使用霍夫的圓圈，因為它有點難以引數化，而且它通常不能很好地擴展到其他影像。相反，我只是檢測二進制影像上的斑點并計算斑點圓度，假設我正在尋找的東西接近一個圓（并且它的圓度應該接近1.0）。

這是代碼：

# imports:
import cv2
import numpy as np

# image path
path = "D://opencvImages//"
fileName = "fv8w3.png"

# Reading an image in default mode:
inputImage = cv2.imread(path   fileName)
# Deep copy for results:
inputImageCopy = inputImage.copy()

# Convert the image to the HSV color space:
hsvImage = cv2.cvtColor(inputImage, cv2.COLOR_BGR2HSV)

# Set the HSV values:
lowRange = np.array([0, 120, 0])
uppRange = np.array([179, 255, 255])

# Create the HSV mask
binaryMask = cv2.inRange(hsvImage, lowRange, uppRange)

讓我們看看我們只尋找高飽和度值的 HSV 掩碼：

沒關系，感興趣的物件在那里，但是面具很吵。讓我們嘗試一些形態學來定義更多的那些斑點：

# Apply Dilate   Erode:
kernel = np.ones((3, 3), np.uint8)
binaryMask = cv2.morphologyEx(binaryMask, cv2.MORPH_DILATE, kernel, iterations=1)

這是過濾后的影像：

現在，讓我檢測輪廓并計算輪廓屬性以過濾噪聲。我會將感興趣的 blob 存盤在一個名為的串列中detectedCircles：

# Find the circle blobs on the binary mask:
contours, hierarchy = cv2.findContours(binaryMask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# Store the circles here:
detectedCircles = []

# Alright, just look for the outer bounding boxes:
for i, c in enumerate(contours):

    # Get blob area:
    blobArea = cv2.contourArea(c)
    print(blobArea)

    # Get blob perimeter:
    blobPerimeter = cv2.arcLength(c, True)
    print(blobPerimeter)

    # Compute circulariity
    blobCircularity = (4 * 3.1416 * blobArea)/(blobPerimeter**2)
    print(blobCircularity)

    # Set min circularuty:
    minCircularity = 0.8

    # Set min Area
    minArea = 35

    # Approximate the contour to a circle:
    (x, y), radius = cv2.minEnclosingCircle(c)

    # Compute the center and radius:
    center = (int(x), int(y))
    radius = int(radius)

    # Set Red color (unfiltered blob)
    color = (0, 0, 255)

    # Process only big blobs:
    if blobCircularity > minCircularity and blobArea > minArea:

        # Set Blue color (filtered blob)
        color = (255, 0, 0)

        # Store the center and radius:
        detectedCircles.append([center, radius])

    # Draw the circles:
    cv2.circle(inputImageCopy, center, radius, color, 2)

    cv2.imshow("Circles", inputImageCopy)
    cv2.waitKey(0)

我設定了一個圓度和最小面積測驗來過濾嘈雜的斑點。detectedCircles所有相關的 blob 都以擬合圓的形式存盤在串列中。讓我們看看結果：

看起來不錯。感興趣的斑點被藍色圓圈包圍，噪聲被紅色圓圈包圍。現在，讓我們為球嘗試另一種顏色。我創建了一個帶有藍色球而不是紅色球的影像版本，結果如??下：

標籤：Pythonopencv物体检测霍夫变换

上一篇：OpenCV-我需要將彩色影像插入黑白影像和

下一篇：Python：使用OpenCV提取形狀內的物件