Halcon实例之hough变换检测圆

Halcon实例之hough变换检测圆

1. 问题描述

在工业检测中，我们有时需要找到图像中的圆，如下图所示，可能是需要对图中的目标进行计数，也可能是需要定位到这些目标进行后续的检测.

该图像来自OpenCV的示例图像smarties.png
在本文中，因为主要任务是目标定位，所以把这张图的颜色细节忽略掉，转换成灰度图来进行处理.

2. hough_circles算子解析

Halcon中用来进行hough圆检测的算子为hough_circles
算子原型为
hough_circles(RegionIn:RegionOut:Radius, Percent, Mode)
其中，

• RegionIn: 输入的Object，必须为Region，相当于对原图进行二值化
• RegionOut: 检测得到的可能的圆心位置，单个圆检测的结果区域可能是若干个像素区域，不一定是单个像素
• Radius: 程序设计者需要预先知道像素半径值Radius
• Percent: 待检测圆的完整度，对于完整的圆一般使用90%即可
• Mode: 取值为0 1 2，其中，
  • 0模式下，设定的Radius半径针对圆区域（往往是圆环）的外边缘，
  • 1模式下，设定的半径Radius针对圆环的中间线，
  • 2模式下，设定的半径Radius针对圆环的内边缘

3. 检测圆实例

回到我们初始的那个问题，对这幅图像进行处理. 以下是Halcon的实例代码：

read_image (Smarties, './smarties.png')
rgb1_to_gray (Smarties, GrayImage)
edges_sub_pix (GrayImage, Edges, 'canny', 1, 40, 80)
select_contours_xld (Edges, SelectedContours, 'contour_length', 140, 220, -0.5, 0.5)
gen_region_contour_xld (SelectedContours, Region, 'filled')
opening_circle (Region, RegionOpening, 13.5)
union1 (RegionOpening, RegionUnion)
hough_circles (RegionUnion, RegionOut, 25, 90, 0)
connection (RegionOut, ConnectedRegions)
area_center (ConnectedRegions, Area, Row, Column)
gen_cross_contour_xld (Cross, Row, Column, 6, 0.785398)
tuple_gen_const (|Area|, 26, Radiuses)
gen_circle (Circle, Row, Column, Radiuses)
gen_contour_region_xld (Circle, Contours, 'border')
dev_set_line_width (2)
dev_set_color ('green')
dev_clear_window ()
dev_display (GrayImage)
dev_display (Cross)
dev_display (Contours)

代码的整体思路整理如下：

1. 读取原图；
2. 将原图转换为灰度图；

3. 在灰度图中应用边缘检测，这里用的是canny边缘检测算子，针对这张图，阈值选的是40和80之间；

4. 对得到的边缘进行筛选，去除长度不符的边缘；

5. 由筛选得到的边缘生成Region；

6. 对Region进行一次形态学处理，分离不同的目标个体，然后再合并Region；

7. 应用hough_circles算子，这里选择的半径为25，因为检测的是完整圆弧，百分比设90，这样就能得到检测所得的圆心位置（但并不是很精确，可以看到每个圆心都是若干个像素）；

8. 对每一“团”圆心Region计算质心，这样计算不是很精确，但是对于本例足够使用；
9. 通过圆心和半径画出结果

4. 结果讨论

A. 从结果可以看出，我们找到了所有完整的目标，图像左下角的两个不完整目标则没有找到.

B. 图像中的目标并不是非常圆，而通过算法找到的圆的圆心则基本上位于目标的中心.

C. 了解hough检测原理的同学应该知道，如果不对Radius加以指定，那么算子需要在三维空间中求解圆锥面截面圆的交点，计算量过大，所以我们看到Halcon在实现这个算子的过程中也是通过限定Radius，将求解限定在二维空间.

D. Halcon中还有一个hough_circle_trans算子，可以看一下得分图（极坐标空间图）：

hough_circle_trans (RegionUnion, HoughImage, 25)

图中越亮的点得分越高，也即目标圆心点.

E. 本文中代码不需要进行边缘提取也能得到结果：

read_image (Smarties, './smarties.png')
rgb1_to_gray (Smarties, GrayImage)
threshold(GrayImage, RegionThresh, 0, 200)
hough_circles (RegionThresh, RegionOut, 25, 90, 0)
connection (RegionOut, ConnectedRegions)
area_center (ConnectedRegions, Area, Row, Column)
gen_cross_contour_xld (Cross, Row, Column, 6, 0.785398)
tuple_gen_const (|Area|, 25, Radiuses)
gen_circle (Circle, Row, Column, Radiuses)
gen_contour_region_xld (Circle, Contours, 'border')
dev_set_line_width (2)
dev_set_color ('green')
dev_clear_window ()
dev_display (GrayImage)
dev_display (Cross)
dev_display (Contours)

注意对比一下以上结果和做了边缘提取+形态学处理之后的结果，很明显的是，在左侧第二个目标的检测效果上，前者不如后者.这是由于图像中的阴影对找圆的结果造成了影响.

$\to$本文对hough圆检测的原理未作阐述，因为网上解释这部分原理的博客很多，下面也贴一两个链接，有兴趣的话可以去阅读一下：

1. 已故大神浅墨(毛星云)关于opencv霍夫检测原理的博客文章
2. LancerHarries关于霍夫变换的博客文章
3. Hough变换检测原理

作者水平有限，若有错漏，欢迎指正，轻喷勿骂