OpenCV Hough Circles Transform无法检测板球问题求助

一、霍夫圆变换的优化调整 #

霍夫圆对噪声、边缘清晰度及参数配置非常敏感，你当前的代码缺少关键预处理步骤，调整后可尝试：

• 添加高斯模糊降噪：霍夫圆依赖边缘检测，噪声会严重干扰边缘提取，先对灰度图做模糊处理：

  gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
  gray = cv.GaussianBlur(gray, (5, 5), 0)  # 新增模糊步骤，消除高频噪声
  

• 修正核心参数配置：你未设置param1和param2，这两个是霍夫圆检测的核心阈值，同时修正半径范围（直径10像素对应半径5）：

  circles = cv.HoughCircles(
      gray,
      cv.HOUGH_GRADIENT,
      dp=1.2,  # 轻微增大dp提升检测精度
      minDist=20,  # 单球场景可缩小该值
      param1=50,  # Canny边缘检测的高阈值，低阈值自动取其一半
      param2=30,  # 累加器阈值，值越小检测到的圆越多
      minRadius=2,
      maxRadius=5  # 直径10像素对应半径5，匹配实际尺寸
  )
  

• 修复坐标转换错误：np.uint8会截断大于255的坐标值，导致画圈位置偏移，改用np.uint16：

  if circles is not None:
      circles = np.uint16(np.around(circles))  # 替换uint8为uint16
      for i in circles[0, :]:
          cv.circle(frame, (i[0], i[1]), i[2], (0,255,0), 2)  # 线宽设为2，避免覆盖目标
  

二、基于颜色特征的替代方案（更适合红色板球） #

红色是强视觉特征，先通过颜色过滤定位目标区域，再结合轮廓或霍夫圆检测，比纯灰度检测更可靠：

完整代码示例 #

import cv2 as cv
import numpy as np

frame = cv.imread("cricket_ball.png")
hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)

# 定义红色的HSV范围（红色在HSV空间分为两个区间）
lower_red1 = np.array([0, 120, 70])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 120, 70])
upper_red2 = np.array([180, 255, 255])

# 生成红色掩码并消除噪声
mask1 = cv.inRange(hsv, lower_red1, upper_red1)
mask2 = cv.inRange(hsv, lower_red2, upper_red2)
mask = mask1 | mask2

# 形态学操作去除噪声点
kernel = np.ones((5,5), np.uint8)
mask = cv.morphologyEx(mask, cv.MORPH_OPEN, kernel)  # 开运算：先腐蚀后膨胀，消除小噪声
mask = cv.morphologyEx(mask, cv.MORPH_CLOSE, kernel) # 闭运算：先膨胀后腐蚀，填补目标内部空隙

# 方案1：通过轮廓检测筛选圆形目标
contours, _ = cv.findContours(mask, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
for cnt in contours:
    area = cv.contourArea(cnt)
    if area < 50:  # 过滤微小噪声轮廓
        continue
    # 计算最小外接圆
    (x, y), radius = cv.minEnclosingCircle(cnt)
    center = (int(x), int(y))
    radius = int(radius)
    # 计算圆形度（越接近1越接近正圆）
    perimeter = cv.arcLength(cnt, True)
    circularity = 4 * np.pi * (area / (perimeter ** 2)) if perimeter > 0 else 0
    if circularity > 0.8:  # 筛选圆形度高的轮廓
        cv.circle(frame, center, radius, (0,255,0), 2)

# 方案2：在掩码上用霍夫圆检测（可选，适合高清晰度场景）
# circles = cv.HoughCircles(mask, cv.HOUGH_GRADIENT, dp=1.2, minDist=20, param1=50, param2=20, minRadius=2, maxRadius=5)
# if circles is not None:
#     circles = np.uint16(np.around(circles))
#     for i in circles[0, :]:
#         cv.circle(frame, (i[0], i[1]), i[2], (255,0,0), 2)

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

三、关键注意事项 #

• 可根据实际光照调整HSV的红色范围，重点微调饱和度（S）和亮度（V）阈值。
• 形态学操作的核大小可根据图像噪声程度调整，噪声大则适当增大核尺寸。
• 圆形度阈值可灵活调整，若允许目标轻微变形，可降到0.7左右。

内容的提问来源于stack exchange，提问作者VJ123