这是我尝试过的：

1. 使用ELSD生成椭圆轮廓。您基本上可以使用任何边缘检测器，但由于在接下来的阶段我将受益于圆形检测器，因此最好已经有一些几何边缘。这是输出的样子：                                                            

2. 通过将通道收集到单个图像中来收集所有圆形（也是非圆形）边缘。这也可以通过简单的阈值处理来完成。同样，输出看起来像：                                                            

我将这个图像表示为$C$.

3. 我们现在将计算该图像的圆形霍夫变换。然而，有许多不同半径的球体（看起来是圆形的）。因此，我们选择一个范围$\mathbf{r}=\{9, 12, 15..150\}$是每个霍夫变换的预期半径。伪代码如下所示：

      $c_x$ $\leftarrow$ $\emptyset$,$c_y$ $\leftarrow$ $\emptyset$

      对全部 （$r_i \in \mathbf{r}$)$\{$

         {x, y} = hough_circles($C$,$r_i$)

         $c_x \leftarrow \{c_x \cup x \}$

         $c_y \leftarrow \{c_y \cup y \}$

      $\}$

根据累加器的峰值，霍夫可能会报告多个中心位置。一个简单的聚类可能有助于避免这种情况（只需平均附近的中心）。

最终的图像与最终的中心重叠（以不同的颜色），看起来像：

您可以自定义半径以适应不同的圆。此外，可以使用椭圆霍夫变换来更好地覆盖粒子（因为其中一些不是圆形的）。最后，即使在距离变换的帮助下，也可以在屏蔽掉小圆圈后获得被大量遮挡的大圆圈。如果希望消除假圆假设，您始终可以降低霍夫灵敏度。或者您可以始终渲染圆的轮廓并与检测到的边缘进行比较。