快捷導(dǎo)航

OpenCV霍夫圓變換cv2.HoughCircles()

更新時(shí)間：2021年07月28日 15:53:02 作者：程序媛一枚~

這篇博客將學(xué)習(xí)如何使用霍夫圓變換在圖像中找到圓圈，OpenCV使用cv2.HoughCircles()實(shí)現(xiàn)霍夫圓變換，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

circles = cv2.HoughCircles(img,
cv2.HOUGH_GRADIENT, 1, 20,
param1=50, param2=40, minRadius=25, maxRadius=0)
img: 待檢測(cè)的灰度圖cv2.HOUGH_GRADIENT：檢測(cè)的方法，霍夫梯度1：檢測(cè)的圓與原始圖像具有相同的大小，dp=2,檢測(cè)的圓是原始圖像的一半20：檢測(cè)到的相鄰圓的中心的最小距離（如果參數(shù)太小，除了一個(gè)真實(shí)的圓外，還可能會(huì)錯(cuò)誤地檢測(cè)到多個(gè)相鄰圓。如果太大，可能會(huì)漏掉一些圓。）param1：在#HOUGHŠu梯度的情況下，它是較高的. 兩個(gè)閾值傳遞到Canny邊緣檢測(cè)器（較低的一個(gè)小兩倍）。param2：在#HOUGHŠu梯度的情況下，它是檢測(cè)階段圓心的累加器閾值。它越小，就越可能檢測(cè)到假圓；minRadius：最小圓半徑maxRadius：最大圓半徑，如果<=0，則使用最大圖像尺寸。如果<0，則返回沒(méi)有找到半徑的中心。

1. 效果圖

原始圖 VS 檢測(cè)圓效果圖如下：

如下右圖可以看到3個(gè)外側(cè)圓綠色，圓心紅色被成功檢測(cè)到；

在這里插入圖片描述

圓的最小半徑設(shè)置由25調(diào)整為10，也可能會(huì)錯(cuò)誤的檢測(cè)到圓，效果圖如下：

在這里插入圖片描述

檢測(cè)圓半徑的閾值（param2設(shè)置35）的結(jié)果，最小圓半徑設(shè)置10，也可能會(huì)錯(cuò)誤的檢測(cè)到圓，效果圖如下：

在這里插入圖片描述

2. 源碼

# 霍夫圓檢測(cè)

import cv2
import numpy as np

cimg = cv2.imread('opencv_logo_350.jpg')
cv2.imshow("origin", cimg)
cv2.waitKey(0)
img = cv2.cvtColor(cimg,cv2.COLOR_BGR2GRAY)
img = cv2.medianBlur(img, 5)
cimg = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

# - img: 待檢測(cè)的灰度圖
# - cv2.HOUGH_GRADIENT：檢測(cè)的方法，霍夫梯度
# - 1：檢測(cè)的圓與原始圖像具有相同的大小，dp=2,檢測(cè)的圓是原始圖像的一半
# - 20：檢測(cè)到的圓的中心的最小距離（如果參數(shù)為太小，除了一個(gè)真實(shí)的圓外，還可能會(huì)錯(cuò)誤地檢測(cè)到多個(gè)相鄰圓。如果太大，可能會(huì)漏掉一些圓。）
# - param1：在#HOUGHŠu梯度的情況下，它是較高的. 兩個(gè)閾值傳遞到Canny邊緣檢測(cè)器（較低的一個(gè)小兩倍）。
# - param2：在#HOUGHŠu梯度的情況下，它是檢測(cè)階段圓心的累加器閾值。它越小，就越可能檢測(cè)到假圓；
# - minRadius：最小圓半徑，也可能會(huì)檢測(cè)到假圓
# - maxRadius：最大圓半徑，如果<=0，則使用最大圖像尺寸。如果<0，則返回沒(méi)有找到半徑的中心。
circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20,
                           param1=50, param2=40, minRadius=0, maxRadius=0)
# 最小圓半徑設(shè)置不合適，也可能會(huì)檢測(cè)到假圓
# circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20,
#                            param1=50, param2=40, minRadius=0, maxRadius=0)
# circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20,
#                            param1=50, param2=30, minRadius=10, maxRadius=0)

circles = np.uint16(np.around(circles))

print(len(circles))
print(circles)
for i in circles[0, :]:
    # 繪制外圈圓（藍(lán)色）
    cv2.circle(cimg, (i[0], i[1]), i[2], (0, 255, 0), 2)

    # 繪制圓心（紅色）
    cv2.circle(cimg, (i[0], i[1]), 2, (0, 0, 255), 3)

cv2.imshow('detected circles', cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()