OpenCV图像去噪及半圆检测实现方法咨询

标准霍夫圆检测针对完整圆周设计，半圆缺失部分弧段会导致投票数不足，直接使用要么参数设置过低引入大量误检，要么参数过高漏检目标，可通过以下方案优化：

• 替换原有的OTSU阈值预处理为「高斯模糊+Canny边缘提取」，能更精准保留圆弧边缘信息，减少噪声干扰
• 检测到候选圆后增加半圆有效性校验逻辑，通过统计候选圆周上边缘像素的占比过滤整圆和误检噪声
• 可根据实际半圆的弧段长度调整占比阈值，适配不同的半圆场景

优化后实现代码如下：

import cv2
import numpy as np

# 读取灰度图
image = cv2.imread('path_here', 0)
output = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
# 预处理：降噪+边缘提取
blur = cv2.GaussianBlur(image, (3, 3), 0)
edges = cv2.Canny(blur, threshold1=20, threshold2=80)

# 霍夫圆检测，适当降低param2适配不完整圆弧
circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, dp=1, minDist=110,
                           param1=25, param2=12, minRadius=8, maxRadius=11)

if circles is not None:
    detected_circles = np.uint16(np.around(circles))
    for (x, y, r) in detected_circles[0, :]:
        edge_count = 0
        total_points = 0
        # 遍历圆周角统计边缘点占比，步长2度降低计算量
        for angle in range(0, 360, 2):
            total_points += 1
            px = int(x + r * np.cos(np.deg2rad(angle)))
            py = int(y + r * np.sin(np.deg2rad(angle)))
            if 0 <= px < edges.shape[1] and 0 <= py < edges.shape[0] and edges[py, px] == 255:
                edge_count += 1
        # 边缘占比30%-70%判定为半圆，可根据实际场景调整阈值
        ratio = edge_count / total_points
        if 0.3 <= ratio <= 0.7:
            cv2.circle(output, (x, y), r, (0, 0, 255), 2)
            cv2.circle(output, (x, y), 2, (0, 255, 255), 2)

cv2.imshow('semicircle_output', output)
cv2.waitKey(0)
cv2.destroyAllWindows()

如果你的半圆弧段更短或者更长，对应调整ratio的上下限即可，比如1/4圆可以把下限调到0.2，3/4圆可以把上限调到0.8。

内容的提问来源于stack exchange，提问作者Oliver