簡述

基于python使用opencv實現(xiàn)在一張圖片中檢測出圓形，并且根據(jù)坐標和半徑標記出圓。不涉及理論，只講應用。

霍夫變換檢測圓形的原理

其實檢測圓形和檢測直線的原理差別不大，只不過直線是在二維空間，因為y=kx+b，只有k和b兩個自由度。而圓形的一般性方程表示為(x-a)²+(y-b)²=r²。那么就有三個自由度圓心坐標a,b,和半徑r。這就意味著需要更多的計算量，而OpenCV中提供的cvHoughCircle()函數(shù)里面可以設定半徑r的取值范圍，相當于有一個先驗設定，在每一個r來說，在二維空間內(nèi)尋找a和b就可以了，能夠減少計算量。

相關函數(shù)

函數(shù)說明：

Python: cv2.HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]]) → circles

參數(shù)說明:

• image- 8位，單通道，灰度輸入圖像。
• circles- 找到的圓的輸出向量。每個向量被編碼為3元素的浮點向量 （x，y，半徑）。
• circle_storage - 在C函數(shù)中，這是一個將包含找到的圓的輸出序列的內(nèi)存存儲。
• method- 使用檢測方法。目前，唯一實現(xiàn)的方法是 CV_HOUGH_GRADIENT，基本上是 21HT，在[Yuen90]中有描述 。
• dp - 累加器分辨率與圖像分辨率的反比。例如，如果 dp = 1，則累加器具有與輸入圖像相同的分辨率。如果 dp = 2，則累加器的寬度和高度都是一半。
• minDist -檢測到的圓的中心之間的最小距離。如果參數(shù)太小，除了真正的參數(shù)外，可能會錯誤地檢測到多個鄰居圈。如果太大，可能會錯過一些圈子。
• param1 - 第一個方法特定的參數(shù)。在CV_HOUGH_GRADIENT的情況下， 兩個傳遞給Canny（）邊緣檢測器的閾值較高（較小的兩個小于兩倍）。
• param2 - 第二種方法參數(shù)。在CV_HOUGH_GRADIENT的情況下，它是檢測階段的圓心的累加器閾值。越小，可能會檢測到越多的虛假圈子。首先返回對應于較大累加器值的圈子。
• minRadius -最小圓半徑。
• maxRadius - 最大圓半徑。

這是根據(jù)opencv官方文檔谷歌翻譯過來的，參數(shù)比較多，但用的時候只修改一些主要的，傳入的圖像和最大最小圓半徑，以達到檢測出想要的圓的效果。

還有要注意函數(shù)的返回值

找到的圓的輸出向量。每個向量被編碼為3元素的浮點向量 （x，y，半徑）。

這句話不是很好理解，我們直接輸出返回值就會發(fā)現(xiàn)是個 三層嵌套list，最內(nèi)層list有三個元素，分別是圓心的行，列，半徑，這表示一個圓的基本信息。多個圓基本信息組成了一個新的list，這個list包含了檢測到的所有圓，即長度就是檢測到圓的個數(shù)。最外層再加了個list，至于干啥的不清楚了，不影響使用就好。

下圖是輸出函數(shù)返回值的一個實例圖

實例演示

完整代碼

import  cv2

#載入并顯示圖片
img=cv2.imread('circle.png')
cv2.imshow('img',img)
#灰度化
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#輸出圖像大小，方便根據(jù)圖像大小調節(jié)minRadius和maxRadius
print(img.shape)
#霍夫變換圓檢測
circles= cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,100,param1=100,param2=30,minRadius=5,maxRadius=300)
#輸出返回值，方便查看類型
print(circles)
#輸出檢測到圓的個數(shù)
print(len(circles[0]))

print('-------------我是條分割線-----------------')
#根據(jù)檢測到圓的信息，畫出每一個圓
for circle in circles[0]:
    #圓的基本信息
    print(circle[2])
    #坐標行列
    x=int(circle[0])
    y=int(circle[1])
    #半徑
    r=int(circle[2])
    #在原圖用指定顏色標記出圓的位置
    img=cv2.circle(img,(x,y),r,(0,0,255),-1)
#顯示新圖像
cv2.imshow('res',img)

#按任意鍵退出
cv2.waitKey(0)
cv2.destroyAllWindows()

運行結果

shell輸出截圖

總結

到此這篇關于基于OpenCVPython實現(xiàn)霍夫變換圓形檢測的文章就介紹到這了,更多相關OpenCV霍夫變換圓形檢測內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！