opencv - 如何改进霍夫圆变换以检测由分散点组成的圆

我有一个非常基本的代码，该代码在openCV中使用标准化的HoughCircles命令来检测圆。但是，我的问题是我的数据(图像)是使用一种算法(出于数据模拟目的)生成的，该算法绘制的点在r的+ -15％范围内(随机在该范围内)(其中r是半径的圆角，它是随机生成的，介于5到10(实数)之间，并使用圆的方程进行360度旋转。 (附有样本图片)。
http://imgur.com/a/iIZ1N
现在使用Hough circle命令，我能够通过手动操作参数(通过设置轨迹栏，从具有相同性质的github代码中得到启发)来检测半径近似相同的圆，但是我想自动化该过程我有1000多个图像，要一遍又一遍地执行。有更好的方法吗？或者，如果有人有任何建议，我将不胜感激，因为我是图像处理 Realm 的初学者，并且具有物理背景而非CS。
我的代码的粗略示例(下面没有跟踪栏等):

Mat img = imread("C:\\Users\\walee\\Documents\\MATLAB\\plot_2 .jpeg", 0);
Mat cimg,copy;
copy = img;
medianBlur(img, img, 5);
GaussianBlur(img, img, Size(1, 5), 1.1, 0);

cvtColor(img, cimg, COLOR_GRAY2BGR);
vector<Vec3f> circles;
HoughCircles(img, circles, HOUGH_GRADIENT,1, 10, 94, 57, 120, 250);
for (size_t i = 0; i < circles.size(); i++)
{
    Vec3i c = circles[i];
    circle(cimg, Point(c[0], c[1]), c[2], Scalar(0, 0, 255), 1, LINE_AA);
    circle(cimg, Point(c[0], c[1]), 2, Scalar(0, 255, 0), 1, LINE_AA);
}
imshow("detected circles", cimg);
waitKey();
return 0;

最佳答案

如果所有图像都具有相同的性质(黑色轴和点为圆形)，则建议执行以下操作:

1)通过找到黑色元素删除轴并将其替换为背景

2)反转颜色以具有黑色背景

3)执行形态学闭合以填充圆圈并创建更多实心点

4)(可选)如果点的密度较高，则可以尝试应用另一种形态学运算，即扩张以使数据圆变薄

5)申请霍夫圈