Detección de objetivo de punto OpenCV que no encuentra todos los destinos, y los círculos encontrados están desplazados

Question

Estoy tratando de detectar el centro de blancos de puntos negros/blancos, como en esta imagen. He intentado usar el método cv2.HoughCircles pero 1, solo puedo detectar de 2 a 3 objetivos, y 2, cuando trazo los círculos encontrados nuevamente en la imagen, siempre están ligeramente desplazados.

¿Estoy utilizando el método incorrecto? ¿Debería usar FindContours o algo completamente diferente?

Aquí está mi código:

import cv2 
from cv2 import cv 
import os 
import numpy as np 

def showme(pic): 
    cv2.imshow('window',pic) 
    cv2.waitKey() 
    cv2.destroyAllWindows() 


im=cv2.imread('small_test.jpg') 

gray=cv2.cvtColor(im,cv2.COLOR_BGR2GRAY) 

#I've tried blur,bw,tr... all give me poor results. 

blur = cv2.GaussianBlur(gray,(3,3),0) 
n,bw = cv2.threshold(blur,120,255,cv2.THRESH_BINARY) 
tr=cv2.adaptiveThreshold(blur,255,0,1,11,2) 

circles = cv2.HoughCircles(gray, cv.CV_HOUGH_GRADIENT, 3, 100, None, 200, 100, 5, 16) 

try: 
    n = np.shape(circles) 
    circles=np.reshape(circles,(n[1],n[2])) 
    print circles 
    for circle in circles: 
     cv2.circle(im,(circle[0],circle[1]),circle[2],(0,0,255)) 
    showme(im) 
except: 
    print "no cicles found" 

y este es mi corriente de salida:

Answer 1

Jugar el código que he escrito en another post, yo era capaz de lograr un resultado ligeramente mejor:

Se trata de los parámetros. Siempre lo es.

Hay 3 funciones importantes que se llaman en este programa con las que debe experimentar: cvSmooth(), cvCanny() y cvHoughCircles(). Cada uno de ellos tiene el potencial de cambiar el resultado drásticamente.

Y aquí es el código C:

IplImage* img = NULL; 
if ((img = cvLoadImage(argv[1]))== 0) 
{ 
    printf("cvLoadImage failed\n"); 
} 

IplImage* gray = cvCreateImage(cvGetSize(img), IPL_DEPTH_8U, 1); 
CvMemStorage* storage = cvCreateMemStorage(0); 

cvCvtColor(img, gray, CV_BGR2GRAY); 

// This is done so as to prevent a lot of false circles from being detected 
cvSmooth(gray, gray, CV_GAUSSIAN, 7, 9); 

IplImage* canny = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1); 
IplImage* rgbcanny = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,3); 
cvCanny(gray, canny, 40, 240, 3); 

CvSeq* circles = cvHoughCircles(gray, storage, CV_HOUGH_GRADIENT, 2, gray->height/8, 120, 10, 2, 25); 
cvCvtColor(canny, rgbcanny, CV_GRAY2BGR); 

for (size_t i = 0; i < circles->total; i++) 
{ 
    // round the floats to an int 
    float* p = (float*)cvGetSeqElem(circles, i); 
    cv::Point center(cvRound(p[0]), cvRound(p[1])); 
    int radius = cvRound(p[2]); 

    // draw the circle center 
    cvCircle(rgbcanny, center, 3, CV_RGB(0,255,0), -1, 8, 0); 

    // draw the circle outline 
    cvCircle(rgbcanny, center, radius+1, CV_RGB(0,0,255), 2, 8, 0); 

    printf("x: %d y: %d r: %d\n",center.x,center.y, radius); 
} 

cvNamedWindow("circles", 1); 
cvShowImage("circles", rgbcanny); 

cvSaveImage("out.png", rgbcanny); 
cvWaitKey(0); 

confiar en usted tiene las capacidades de este puerto a Python.

Answer 2

Dado que el modelo del círculo es fijo y así distingue del objeto, la coincidencia simple de la plantilla debería funcionar razonablemente bien, echa un vistazo a cvMatchTemplate. Para condiciones más complejas (deformación debido a la forma del objeto o la geometría de la vista), puede probar funciones más sólidas como SIFT o SURF (cvExtractSURF).