circle-detection-hough 1.0.1

基于改进的Hough变换和YOLO目标检测的圆形检测SDK

Circle Detection SDK

基于改进的Hough变换和YOLO目标检测的圆形检测SDK，提供高精度的圆形检测功能。

功能特性

• 多算法融合: 结合YOLO目标检测、改进的Hough变换、随机Hough变换和最小二乘拟合
• 动态参数调整: 自动调整检测参数以获得最佳检测效果
• 颜色验证: 支持基于颜色信息的圆形验证
• 可视化功能: 提供丰富的检测结果可视化选项
• 高性能: 优化的算法实现，支持实时检测
• 一键检测: 提供简单易用的一键检测接口

安装

从PyPI安装（推荐）

pip install circle-detection-sdk

从源码安装

git clone https://github.com/yourusername/circle-detection-sdk.git
cd circle-detection-sdk
pip install -e .

依赖要求

• Python >= 3.7
• OpenCV >= 4.5.0
• NumPy >= 1.19.0
• PyTorch >= 1.9.0
• Ultralytics >= 8.0.0

快速开始

一键检测（推荐）

from circle_detection_sdk import ImprovedCircleDetector
import cv2

# 初始化检测器
detector = ImprovedCircleDetector()

# 加载图像
image = cv2.imread('your_image.jpg')

# 一键检测所有圆形（自动使用YOLO+圆形检测）
circles = detector.detect_all_circles(
    image, 
    save_result=True,  # 自动保存可视化结果
    output_path="detection_result.jpg"
)

print(f"检测到 {len(circles)} 个圆形")
for i, (x, y, radius, confidence) in enumerate(circles, 1):
    print(f"圆形 {i}: 圆心({x:.1f}, {y:.1f}), 半径={radius:.1f}, 置信度={confidence:.3f}")

基本使用

from circle_detection_sdk import ImprovedCircleDetector
import cv2

# 初始化检测器
detector = ImprovedCircleDetector()

# 加载图像
image = cv2.imread('your_image.jpg')

# 检测圆形
circles = detector.detect_circles(image)

# 可视化结果
result_image = detector.visualize_combined_results(image, circles)

# 保存结果
cv2.imwrite('result.jpg', result_image)

高级使用

from circle_detection_sdk import ImprovedCircleDetector
import cv2

# 使用自定义参数初始化检测器
detector = ImprovedCircleDetector(
    yolo_model_path='path/to/your/model.pt',
    confidence_threshold=0.5,
    iou_threshold=0.4
)

# 加载图像
image = cv2.imread('your_image.jpg')

# 使用YOLO检测目标区域
yolo_results = detector.detect_objects_with_yolo(image)

# 在检测区域内进行圆形检测
circles = detector.detect_circles_in_regions(image, yolo_results)

# 提取颜色信息
color_info = detector.extract_color_info(image, circles)

# 可视化结果
result_image = detector.visualize_combined_results(
    image, 
    circles, 
    yolo_results=yolo_results,
    show_yolo=True,
    show_circles=True
)

# 显示结果
cv2.imshow('Detection Results', result_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

API 参考

ImprovedCircleDetector

主要的圆形检测类，提供完整的检测功能。

初始化参数

• yolo_model_path (str, optional): YOLO模型文件路径，默认使用内置模型
• confidence_threshold (float): YOLO检测置信度阈值，默认0.25
• iou_threshold (float): YOLO非极大值抑制IoU阈值，默认0.45

主要方法

detect_circles(image, **kwargs)

检测图像中的圆形。

参数:

• image: 输入图像 (numpy.ndarray)
• **kwargs: 其他检测参数

返回:

• list: 检测到的圆形列表，每个圆形包含 (x, y, radius) 信息

detect_objects_with_yolo(image)

使用YOLO检测图像中的目标。

参数:

• image: 输入图像 (numpy.ndarray)

返回:

• list: YOLO检测结果列表

visualize_combined_results(image, circles, **kwargs)

可视化检测结果。

参数:

• image: 原始图像
• circles: 检测到的圆形列表
• yolo_results: YOLO检测结果 (可选)
• show_yolo: 是否显示YOLO检测框 (bool)
• show_circles: 是否显示圆形检测结果 (bool)

返回:

• numpy.ndarray: 可视化结果图像

extract_color_info(image, circles)

提取圆形区域的颜色信息。

参数:

• image: 输入图像
• circles: 圆形列表

返回:

• list: 每个圆形的颜色信息

检测算法

1. YOLO目标检测

• 使用预训练的YOLO模型识别图像中的目标区域
• 支持自定义模型和参数调整

2. 改进的Hough变换

• 基于传统Hough变换的改进算法
• 动态参数调整以适应不同场景

3. 随机Hough变换

• 使用随机采样提高检测效率
• 适用于复杂背景下的圆形检测

4. 最小二乘拟合

• 对检测到的边缘点进行圆形拟合
• 提供更精确的圆形参数估计

配置选项

检测参数

# 圆形检测参数
detection_params = {
    'num_iterations': 5000,        # 随机Hough变换迭代次数
    'conf_threshold': 0.5,         # YOLO检测置信度阈值
    'save_result': True,           # 是否保存检测结果
    'output_path': 'result.jpg'    # 结果保存路径
}

# 使用自定义参数进行一键检测
circles = detector.detect_all_circles(image, **detection_params)

# 或者初始化时设置检测器参数
detector = ImprovedCircleDetector(
    circle_detection_threshold=0.3,  # 圆形检测阈值
    error_range=10,                  # 误差范围
    noise_tolerance=2                # 噪声容忍度
)

YOLO参数

# YOLO检测参数
yolo_params = {
    'confidence_threshold': 0.5,  # 置信度阈值
    'iou_threshold': 0.4,        # IoU阈值
    'max_detections': 100        # 最大检测数量
}

性能优化

1. 图像预处理

• 建议输入图像分辨率不超过1920x1080
• 确保图像质量良好，避免过度模糊

2. 参数调整

• 根据具体应用场景调整检测参数
• 使用动态参数调整功能获得最佳效果

3. 硬件加速

• 支持GPU加速的YOLO推理
• 建议使用CUDA兼容的GPU以获得最佳性能

故障排除

常见问题

1. 检测精度不高

   • 调整Hough变换参数
   • 检查图像质量和预处理
   • 尝试不同的检测算法组合

2. 检测速度慢

   • 降低输入图像分辨率
   • 调整YOLO检测参数
   • 使用GPU加速

3. 模型加载失败

   • 检查模型文件路径
   • 确认模型文件完整性
   • 验证PyTorch和Ultralytics版本兼容性

依赖项

• Python >= 3.7
• OpenCV >= 4.5.0
• NumPy >= 1.19.0
• PyTorch >= 1.9.0
• Ultralytics >= 8.0.0
• Matplotlib >= 3.3.0
• SciPy >= 1.6.0

许可证

MIT License

贡献

欢迎提交Issue和Pull Request来改进这个项目。

更新日志

v1.0.0

• 初始版本发布
• 支持多算法融合的圆形检测
• 集成YOLO目标检测
• 提供完整的可视化功能

联系方式

• 邮箱: [e-mail]
• GitHub: https://github.com/your-username/circle-detection-sdk
• 文档: https://circle-detection-sdk.readthedocs.io/