skimage霍夫圆检测边缘识别准确但病毒颗粒漏检问题咨询

问题1：边缘检测效果较好但漏检的原因及可调参数 #

漏检核心原因 #

• 霍夫圆检测依赖边缘像素的投票累加，即使视觉上边缘完整，只要边缘存在小段缺失、或者颗粒亮度比周围低，累加器的投票值达不到阈值就会被过滤，不会出现在峰值结果里，和total_num_peaks设置多大没有直接关系
• 你当前设置的min_xdistance=1、min_ydistance=1过小，非极大值抑制阶段会把距离过近的两个颗粒的峰值合并，挨得近的颗粒直接被漏检
• Canny算子的sigma=4平滑力度过大，小尺寸、弱边缘的颗粒边缘会被直接抹平，视觉上看不到缺失，但投票数已经不够触发检测

可优化的核心参数 #

1. hough_circle_peaks的threshold参数：默认值为0.5*最大累加值，适当下调到0.2-0.3区间，即可检出弱边缘的颗粒，比盲目调高total_num_peaks更能控制假阳性
2. min_xdistance、min_ydistance：调整为你传入的最小检测半径的1/2，比如最小半径是5像素就设为2，避免挨得近的颗粒被合并漏检
3. Canny参数：将sigma下调到2-3，low_threshold、high_threshold不要固定为1和5，改为随图像自适应计算
4. hough_radii的步长：确保半径采样步长为1，避免颗粒半径落在采样间隙中导致投票不足

问题2：适配不同图像对比度、背景噪声的自动化方案 #

按以下流程加预处理步骤即可实现自适应：

1. 噪声抑制：先调用skimage.restoration.denoise_nl_means做非局部均值去噪，在不模糊颗粒边缘的前提下去除背景噪声，适配不同噪声水平的图像
2. 背景扣除：调用skimage.morphology.white_tophat，传入尺寸比最大颗粒半径大2-3像素的圆盘结构元，直接扣除不均匀背景、统一颗粒的对比度，不管原图背景偏亮还是偏暗都能把颗粒凸显出来
3. 对比度自适应增强：调用skimage.exposure.equalize_adapthist做自适应直方图均衡，进一步拉平不同图像的对比度差异
4. Canny阈值自适应计算：不要用固定阈值，改为用Otsu算法计算图像的二值化阈值，高阈值设为Otsu阈值，低阈值设为高阈值的1/2，自动适配不同亮度的图像

调整后的代码参考 #

from skimage import restoration, morphology, exposure
import numpy as np

def return_edges_circles(im, hough_radii):
    # 新增自适应预处理步骤
    # 1. 非局部均值去噪
    im_denoised = restoration.denoise_nl_means(im, patch_size=5, patch_distance=3, h=0.02)
    # 2. 背景扣除，结构元尺寸比最大半径大2像素
    selem = morphology.disk(hough_radii.max() + 2)
    im_bg_removed = morphology.white_tophat(im_denoised, selem)
    # 3. 自适应对比度增强
    im_enhanced = exposure.equalize_adapthist(im_bg_removed, kernel_size=16)
    # 4. 自适应计算Canny阈值
    otsu_thresh = exposure.threshold_otsu(im_enhanced)
    edges = canny(im_enhanced, sigma=2.5, low_threshold=otsu_thresh/2, high_threshold=otsu_thresh)
    
    hough_res = hough_circle(edges, hough_radii)
    # 调整霍夫峰值筛选参数
    min_dist = hough_radii.min() // 2
    accums, cx, cy, radii = hough_circle_peaks(hough_res, hough_radii, 
                                               min_xdistance=min_dist, 
                                               min_ydistance=min_dist, 
                                               threshold=0.25, # 下调累加阈值
                                               total_num_peaks=100)

    image = color.gray2rgb(im)
    for center_y, center_x, radius in zip(cy, cx, radii):
        circy, circx = circle_perimeter(center_y, center_x, radius, shape=image.shape)
        image[circy, circx] = (220, 20, 20)
        
    return edges, image, [cy, cx, radii]

内容的提问来源于stack exchange，提问作者Jinx