使用cv2.HoughCircles检测手绘圆时误检严重，无法识别真实圆

一、先搞定预处理环节（核心问题大概率在这） #

手绘圆本身边缘不规整，加上白纸污渍、钢笔毛边等干扰，直接用原始灰度/二值图喂算法肯定出问题，必须做针对性预处理：

• 去噪+平滑：别直接二值化，先做高斯模糊保留边缘，比如cv2.GaussianBlur(gray, (5,5), 0)；笔迹毛边多的话，再加一次cv2.medianBlur(blur_gray, 3)去除椒盐噪声。
• 自适应二值化：全局二值化容易因光照不均误判污渍，改用自适应模式把笔迹转成白色前景：

  adaptive_thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
  

• 形态学清理：用闭运算补笔迹缺口，开运算去小噪点：

  kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
  cleaned = cv2.morphologyEx(adaptive_thresh, cv2.MORPH_CLOSE, kernel)
  cleaned = cv2.morphologyEx(cleaned, cv2.MORPH_OPEN, kernel)
  

二、针对cv2.HoughCircles的参数适配 #

手绘圆不是完美正圆，默认参数不适用，得针对性调整：

• param1：设为Canny边缘检测的高阈值，手绘边缘弱，调到30-50即可，别用默认的100；
• param2：累加器阈值，关键是配合半径范围。先确定手绘圆的半径区间（比如20-50像素），锁死minRadius和maxRadius，过滤无效假圆；
• 示例调用：

  circles = cv2.HoughCircles(cleaned, cv2.HOUGH_GRADIENT, dp=1.2, minDist=50,
                             param1=40, param2=25, minRadius=20, maxRadius=50)
  

  minDist设为大于圆直径的一半，避免重复检测同一个圆。

三、轮廓检测的噪声优化（解决卡顿问题） #

轮廓检测慢是因为没过滤无效小轮廓，加两步过滤就能提速：

• 过滤小面积轮廓：计算轮廓面积，只保留合理范围的（比如面积200-5000像素，根据你的圆大小调整）：

  contours, _ = cv2.findContours(cleaned, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
  valid_contours = []
  for cnt in contours:
      area = cv2.contourArea(cnt)
      if 200 < area < 5000:
          valid_contours.append(cnt)
  

• 用圆度过滤非圆轮廓：通过轮廓周长和面积计算圆度（公式：4π*面积/周长²，值越接近1越圆），过滤圆度低的轮廓：

  def is_circular(cnt, min_circularity=0.7):
      perimeter = cv2.arcLength(cnt, True)
      if perimeter == 0:
          return False
      area = cv2.contourArea(cnt)
      circularity = 4 * np.pi * area / (perimeter ** 2)
      return circularity >= min_circularity
  
  circular_contours = [cnt for cnt in valid_contours if is_circular(cnt)]
  

四、关于“圆不够规整”的疑问 #

手绘圆肯定和机器正圆有差距，但只要预处理到位，上述方法都能识别。如果还是不行，可能是笔迹太淡、边缘断续严重，可先做对比度增强：cv2.equalizeHist(gray)，再走预处理流程。

内容的提问来源于stack exchange，提问作者Vittor