我正在嘗試對一組灰度圖像執行圖像分析，如下圖所示：主要目標是能夠測量橢圓形液滴的尺寸并確定其中心坐標。我已經在openCV和scikit-image中嘗試了霍夫循環變換。與openCV相比，到目前為止，我所看到的所有scikit圖像示例的運行速度都非常慢。我在這段代碼中取得了一定的成功（摘自示例）：img = read_img[600:,:]img = cv2.medianBlur(img,5)cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,30,            param1=45,param2=20,minRadius=1,maxRadius=45)circles = np.uint16(np.around(circles))for i in circles[0,:]:    # draw the outer circle    cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)    # draw the center of the circle    cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)cv2.imshow('detected circles',cimg)fig, ax = plt.subplots(ncols=1, nrows=1, figsize=(20, 20))ax.imshow(cimg)可以檢測主要液滴，但無法捕獲三個較小的液滴。我能夠構建的最佳閾值是針對openCV的這些參數th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,\cv2.THRESH_BINARY,15,5)但是，我仍然無法使用上面的代碼找到較小的液滴。我有兩千張要處理的圖像。我需要該算法能夠自動找到用于變換或閾值的最佳參數。到目前為止，我還不知道如何實現這樣的目標。任何建議的適當實施將不勝感激！