Python图像曲线检测求助：霍夫圆检测未识别全红色虚线圆

我来帮你一步步分析代码没检测全红色虚线圆的原因，并给出针对性的修正：

核心问题分析 #

你的代码没检测到全部红色虚线圆，主要是这几个环节出了问题：

• Canny边缘检测参数不合理：sigma=6太大，过度模糊了图像，把红色虚线的细边缘都磨掉了；同时low_threshold=35和high_threshold=50阈值偏高，过滤掉了很多虚线的弱边缘，导致霍夫圆检测缺少足够的轮廓信息。
• 半径范围限制过窄：hough_radii = np.arange(20, 35, 2)的区间可能没覆盖所有目标圆的实际半径，部分圆直接被排除在检测范围外。
• 峰值检测参数保守：total_num_peaks=3限制了最多检测3个圆，若图像中圆的数量更多，自然会遗漏；且默认的累计器阈值偏高，弱信号的圆会被忽略。
• 预处理不到位：直接转灰度图处理，红色虚线的对比度被弱化了，应该提取红色通道来增强虚线的辨识度。

修正后的完整代码 #

import numpy as np
import matplotlib.pyplot as plt
import cv2
from skimage import color
from skimage.transform import hough_circle, hough_circle_peaks
from skimage.feature import canny
from skimage.draw import circle_perimeter

# 1. 读取彩色图像并提取红色通道，增强红色虚线的对比度
image = cv2.imread('s5.png')
rgb_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
red_channel = rgb_image[:, :, 0]

# 2. 调整Canny参数，保留更多虚线边缘
edges = canny(red_channel, sigma=2, low_threshold=10, high_threshold=30)

# 3. 扩大半径范围并缩小步长，覆盖所有可能的目标圆尺寸
hough_radii = np.arange(15, 40, 1)
hough_res = hough_circle(edges, hough_radii)

# 4. 调整峰值检测参数，允许检测更多圆并降低阈值捕捉弱信号
accums, cx, cy, radii = hough_circle_peaks(
    hough_res, hough_radii, 
    total_num_peaks=5,  # 根据实际图像中圆的数量调整
    min_distance=20,    # 避免重复检测相近的圆心
    threshold=0.3       # 降低累计器阈值，捕捉虚线不连续的圆
)

# 5. 绘制检测结果并确保坐标在图像范围内
fig, ax = plt.subplots(ncols=1, nrows=1, figsize=(10, 4))
output_image = rgb_image.copy()
for center_y, center_x, radius in zip(cy, cx, radii):
    # 转换为整数坐标并裁剪到图像边界内
    circy, circx = circle_perimeter(int(center_y), int(center_x), int(radius))
    circy = np.clip(circy, 0, output_image.shape[0]-1)
    circx = np.clip(circx, 0, output_image.shape[1]-1)
    output_image[circy, circx] = (220, 20, 20)  # 用红色标记检测到的圆

ax.imshow(output_image)
plt.axis('off')
plt.show()

关键调整说明 #

• 红色通道提取：红色虚线在红色通道中亮度远高于其他区域，能大幅提升边缘检测的准确率。
• Canny参数优化：减小sigma避免模糊细边缘，降低阈值保留更多虚线的弱边缘信息。
• 半径范围扩展：把半径区间调整为15-40，步长设为1，确保不会漏掉中间尺寸的圆。
• 峰值检测放宽：增加可检测圆的数量，降低累计器阈值，让算法能识别那些虚线不够连续的圆。

内容的提问来源于stack exchange，提问作者H. Nagaty