OpenCV霍夫圆变换cv2.HoughCircles()

这篇博客将学习如何使用霍夫圆变换在图像中找到圆圈，OpenCV使用cv2.HoughCircles()实现霍夫圆变换，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

circles = cv2.HoughCircles(img,
cv2.HOUGH_GRADIENT, 1, 20,
param1=50, param2=40, minRadius=25, maxRadius=0)
img: 待检测的灰度图cv2.HOUGH_GRADIENT：检测的方法，霍夫梯度1：检测的圆与原始图像具有相同的大小，dp=2,检测的圆是原始图像的一半20：检测到的相邻圆的中心的最小距离（如果参数太小，除了一个真实的圆外，还可能会错误地检测到多个相邻圆。如果太大，可能会漏掉一些圆。）param1：在#HOUGHŠu梯度的情况下，它是较高的. 两个阈值传递到Canny边缘检测器（较低的一个小两倍）。param2：在#HOUGHŠu梯度的情况下，它是检测阶段圆心的累加器阈值。它越小，就越可能检测到假圆；minRadius：最小圆半径maxRadius：最大圆半径，如果<=0，则使用最大图像尺寸。如果<0，则返回没有找到半径的中心。

1. 效果图

原始图 VS 检测圆效果图如下：

如下右图可以看到3个外侧圆绿色，圆心红色被成功检测到；

在这里插入图片描述

圆的最小半径设置由25调整为10，也可能会错误的检测到圆，效果图如下：

在这里插入图片描述

检测圆半径的阈值（param2设置35）的结果，最小圆半径设置10，也可能会错误的检测到圆，效果图如下：

在这里插入图片描述

2. 源码

 # 霍夫圆检测 import cv2 import numpy as np cimg = cv2.imread('opencv_logo_350.jpg-600') 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: 待检测的灰度图 # - cv2.HOUGH_GRADIENT：检测的方法，霍夫梯度 # - 1：检测的圆与原始图像具有相同的大小，dp=2,检测的圆是原始图像的一半 # - 20：检测到的圆的中心的最小距离（如果参数为太小，除了一个真实的圆外，还可能会错误地检测到多个相邻圆。如果太大，可能会漏掉一些圆。） # - param1：在#HOUGHŠu梯度的情况下，它是较高的. 两个阈值传递到Canny边缘检测器（较低的一个小两倍）。 # - param2：在#HOUGHŠu梯度的情况下，它是检测阶段圆心的累加器阈值。它越小，就越可能检测到假圆； # - minRadius：最小圆半径，也可能会检测到假圆 # - maxRadius：最大圆半径，如果<=0，则使用最大图像尺寸。如果<0，则返回没有找到半径的中心。 circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=40, minRadius=0, maxRadius=0) # 最小圆半径设置不合适，也可能会检测到假圆 # 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, :]: # 绘制外圈圆（蓝色） cv2.circle(cimg, (i[0], i[1]), i[2], (0, 255, 0), 2) # 绘制圆心（红色） cv2.circle(cimg, (i[0], i[1]), 2, (0, 0, 255), 3) cv2.imshow('detected circles', cimg) cv2.waitKey(0) cv2.destroyAllWindows()