Преобразование hough не обнаруживает правильный круг

Question

Я работаю над проектом, в котором я должен обнаружить светофоры (круги, очевидно). Теперь я работаю с образцом, который я взял с места, однако после всех моих усилий я не могу получить код, чтобы определить правильный круг (свет).

Вот код: -

# import the necessary packages 
import numpy as np 
import cv2 

image = cv2.imread('circleTestsmall.png') 
output = image.copy() 
# Apply Guassian Blur to smooth the image 
blur = cv2.GaussianBlur(image,(9,9),0) 
gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY) 
# detect circles in the image 
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1.2, 200) 

# ensure at least some circles were found 
if circles is not None: 
    # convert the (x, y) coordinates and radius of the circles to integers 
    circles = np.round(circles[0, :]).astype("int") 

# loop over the (x, y) coordinates and radius of the circles 
for (x, y, r) in circles: 
    # draw the circle in the output image, then draw a rectangle 
    # corresponding to the center of the circle 
    cv2.circle(output, (x, y), r, (0, 255, 0), 4) 
    cv2.rectangle(output, (x - 5, y - 5), (x + 5, y + 5), (0, 128, 255), -1) 

# show the output image 
cv2.imshow("output", output) 
    cv2.imshow('Blur', blur) 
cv2.waitKey(0) 

Изображение, в котором я хочу, чтобы обнаружить circle-

Это то, что выходное изображение: -

I попытался сыграть с значениями радиуса размытия Гаусса и параметром minDist в преобразовании hough, но не получил большого успеха.
Может ли кто-нибудь указать мне в правильном направлении?

P.S- Некоторые из проблемных вопросов, но важных для моего проекта -
1. Мой компьютер занимает около 6-7 секунд, чтобы отобразить окончательное изображение. Мой код плохой или мой компьютер? Мои спецификации - Intel i3 M350 2,6 ГГц (первый генератор), 6 ГБ оперативной памяти, Intel HD Graphics 1000 1625 МБ.
2. Будет ли преобразование hough работать с двоичным пороговым изображением напрямую?
3. Будет ли этот код работать достаточно быстро на малине Pi 3 в реальном времени? (Я должен установить его на движущийся автономный робот.)

Спасибо!

Answer 1

Прежде всего, вы должны немного ограничить свои параметры.

Пожалуйста, обратитесь к: http://docs.opencv.org/2.4/modules/imgproc/doc/feature_detection.html#houghcircles

По крайней мере, набор разумных значений для минимального и максимального радиуса. Попытайтесь сначала найти этот один круг. Если вам удастся увеличить допуск радиуса.

Преобразование Hough - это метод грубой силы. Он попытается использовать любой возможный радиус для каждого пикселя края изображения. Вот почему он не очень подходит для приложений реального времени. Особенно, если вы не предоставляете правильные параметры и ввод. У вас нет пределов радиуса atm. Таким образом, вы будете вычислять сотни, если не тысячи кругов для каждого пикселя ...

В вашем случае светофор также не очень круглый, поэтому накопленный результат будет не очень хорошим. Попробуйте найти сильно насыщенные, яркие, компактные капли разумного размера. Он должен быть более быстрым и надежным.

Вы можете уменьшить время обработки, если ограничить размер изображения. Думаю, вы можете предположить, что светофор всегда будет в верхней половине вашего изображения. Так опустите нижнюю половину. Светофоры всегда будут зелеными, красными или желтыми. Удалите все, что не такого цвета ... Я думаю, вы поняли, что я имею в виду ...

Answer 2

Другое ограничение: принимать только круги, где внутренний цвет является однородным. Это выкинет все ложные удары в приведенном выше примере ,

Answer 3

Я думаю, что вы должны сначала выполнить цветную сегментацию на основе цветов стоп-сигналов. Это значительно уменьшит рентабельность инвестиций. Затем вы можете применить преобразование Hough только для границ ROI (потому что вы хотите контур).