为何OpenCV霍夫圆检测在不同尺寸图像上结果差异巨大？

问题背景 #

现有两张含直线与圆弧的二值图像：第一张为原图，第二张仅调整高度并填充黑边，目标圆弧的像素特征未发生改变。使用完全相同的参数调用OpenCV的HoughCircles函数后，两张图的检测结果差异显著，推测问题与图像尺寸相关，现寻求技术分析与解决方法。

检测结果对比 #

• 原图检测结果：
  
• 修改后图像检测结果：
  

测试环境 #

• opencv-python 4.8.0.76

测试代码 #

import cv2
import numpy as np

if __name__ == '__main__':
    mask = cv2.imread(r'new\07.jpg', 0)
    circles = cv2.HoughCircles(mask, cv2.HOUGH_GRADIENT, dp=1, minDist=10, param1=200, param2=9, minRadius=0, maxRadius=0)
    circles = circles.astype(np.int32)

    show_circle = mask.copy()
    show_circle = cv2.cvtColor(show_circle, cv2.COLOR_GRAY2BGR)
    max_n = 1
    for cnt, i in enumerate(circles[0, :]):
        center = (i[0], i[1])
        radius = i[2]
        cv2.circle(show_circle, center, radius, [0, 255, 0], 2)
        print(f'radius = {radius}')
        if cnt >= max_n-1:
            break

    # Save image
    cv2.imwrite(f"output/circle.png", show_circle)

测试图像 #

• 原图（含目标圆弧与直线的二值图）
• 修改后图像（仅调整高度并填充黑边，圆弧特征未变）

可能原因分析 #

1. 自动半径搜索范围扩大
   当设置maxRadius=0时，OpenCV会自动将最大检测半径设为图像对角线长度的一半。修改后的图像高度增加，对角线变长，导致半径搜索范围大幅扩大。而你设置的param2=9阈值较低，部分大半径的伪圆（投票数刚好超过阈值）会被纳入检测结果，且因minDist限制被优先输出。

2. 累加器投票分布受图像尺寸影响
   虽然目标圆弧的边缘点数量未变，但图像尺寸扩大后，累加器的整体规模变大，伪圆的投票数在更大的搜索空间中更容易达到阈值。同时，搜索范围的扩大可能改变候选圆的遍历顺序，导致第一个输出的圆并非目标圆弧对应的结果。

3. 坐标偏移的间接干扰
   填充黑边后，目标圆弧在图像中的y坐标发生偏移，可能导致梯度方向计算出的候选圆心分布出现细微变化，进而影响累加器的投票统计结果。

解决方案 #

1. 固定半径搜索范围
   手动测量目标圆弧的实际半径，在代码中明确设置minRadius和maxRadius，缩小搜索范围，避免大半径伪圆干扰。例如：

# 假设目标圆弧半径约为50
circles = cv2.HoughCircles(mask, cv2.HOUGH_GRADIENT, dp=1, minDist=10, param1=200, param2=9, minRadius=45, maxRadius=55)

2. 提高param2阈值
   适当调高param2的值，增加检测的严谨性，过滤投票数较低的伪圆。例如将param2调整为15-20，确保只有目标圆弧对应的高投票数圆心被检测到。

3. 预处理裁剪黑边
   在检测前自动裁剪掉填充的黑边，恢复到原图的有效区域尺寸：

# 自动裁剪黑边
non_zero = cv2.findNonZero(mask)
x, y, w, h = cv2.boundingRect(non_zero)
cropped_mask = mask[y:y+h, x:x+w]
# 使用裁剪后的图像进行检测
circles = cv2.HoughCircles(cropped_mask, cv2.HOUGH_GRADIENT, dp=1, minDist=10, param1=200, param2=9, minRadius=0, maxRadius=0)

4. 验证Canny边缘一致性
   在检测前输出Canny边缘检测结果，确认两张图的边缘特征是否一致：

edges = cv2.Canny(mask, 100, 200)  # param1=200，Canny低阈值为高阈值的一半
cv2.imwrite("edges.png", edges)

若边缘结果不一致，需检查图像读取或格式问题（建议使用PNG格式保存二值图，避免JPG压缩失真）。

内容的提问来源于stack exchange，提问作者PPG