OpenCV Punkt Zielerkennung nicht alle Ziele zu finden, und gefundene Kreise sind Offset

Question

Ich versuche, das Zentrum der schwarzen/weißen Punkt Ziele zu erkennen, wie in diesem Bild. Ich habe versucht, die cv2.HoughCircles-Methode zu verwenden, aber 1, bin nur in der Lage, 2 bis 3 Ziele zu erkennen, und 2, wenn ich die gefundenen Kreise wieder auf das Bild plotten, sind sie immer leicht versetzt.

Verwende ich die falsche Methode? Soll ich die findContours oder etwas ganz anderes benutzen?

import cv2 
from cv2 import cv 
import os 
import numpy as np 

def showme(pic): 
    cv2.imshow('window',pic) 
    cv2.waitKey() 
    cv2.destroyAllWindows() 


im=cv2.imread('small_test.jpg') 

gray=cv2.cvtColor(im,cv2.COLOR_BGR2GRAY) 

#I've tried blur,bw,tr... all give me poor results. 

blur = cv2.GaussianBlur(gray,(3,3),0) 
n,bw = cv2.threshold(blur,120,255,cv2.THRESH_BINARY) 
tr=cv2.adaptiveThreshold(blur,255,0,1,11,2) 

circles = cv2.HoughCircles(gray, cv.CV_HOUGH_GRADIENT, 3, 100, None, 200, 100, 5, 16) 

try: 
    n = np.shape(circles) 
    circles=np.reshape(circles,(n[1],n[2])) 
    print circles 
    for circle in circles: 
     cv2.circle(im,(circle[0],circle[1]),circle[2],(0,0,255)) 
    showme(im) 
except: 
    print "no cicles found" 

Und das ist meine aktuelle Ausgabe:

Hier ist mein Code

Answer 1

den Code Spielen I in another post schrieb, konnte ich ein etwas besseres Ergebnis erzielen:

Es geht um die Parameter. Es ist immer so. In diesem Programm werden 3 wichtige Funktionen aufgerufen, mit denen Sie experimentieren sollten: cvSmooth(), cvCanny() und cvHoughCircles(). Jeder von ihnen hat das Potenzial, das Ergebnis drastisch zu ändern.

Und hier ist der C-Code:

IplImage* img = NULL; 
if ((img = cvLoadImage(argv[1]))== 0) 
{ 
    printf("cvLoadImage failed\n"); 
} 

IplImage* gray = cvCreateImage(cvGetSize(img), IPL_DEPTH_8U, 1); 
CvMemStorage* storage = cvCreateMemStorage(0); 

cvCvtColor(img, gray, CV_BGR2GRAY); 

// This is done so as to prevent a lot of false circles from being detected 
cvSmooth(gray, gray, CV_GAUSSIAN, 7, 9); 

IplImage* canny = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1); 
IplImage* rgbcanny = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,3); 
cvCanny(gray, canny, 40, 240, 3); 

CvSeq* circles = cvHoughCircles(gray, storage, CV_HOUGH_GRADIENT, 2, gray->height/8, 120, 10, 2, 25); 
cvCvtColor(canny, rgbcanny, CV_GRAY2BGR); 

for (size_t i = 0; i < circles->total; i++) 
{ 
    // round the floats to an int 
    float* p = (float*)cvGetSeqElem(circles, i); 
    cv::Point center(cvRound(p[0]), cvRound(p[1])); 
    int radius = cvRound(p[2]); 

    // draw the circle center 
    cvCircle(rgbcanny, center, 3, CV_RGB(0,255,0), -1, 8, 0); 

    // draw the circle outline 
    cvCircle(rgbcanny, center, radius+1, CV_RGB(0,0,255), 2, 8, 0); 

    printf("x: %d y: %d r: %d\n",center.x,center.y, radius); 
} 

cvNamedWindow("circles", 1); 
cvShowImage("circles", rgbcanny); 

cvSaveImage("out.png", rgbcanny); 
cvWaitKey(0); 

Ich vertraue Ihnen die Fähigkeiten, Port, dies zu Python haben.

Answer 2

Da das Kreismuster festgelegt ist und gut unterscheidet sich von dem Objekt, einfache Vorlage Matching sollte recht gut funktionieren, check out cvMatchTemplate. Bei komplexeren Bedingungen (Verwerfen aufgrund von Objektform oder Ansichtsgeometrie) können Sie robustere Features wie SIFT oder SURF (cvExtractSURF) ausprobieren.