当前位置：首页 > news >正文

OpenCV——霍夫变换圆检测

news 来源：原创 2024/5/9 7:02:32

一、主要函数

CV_EXPORTS_W void HoughCircles( InputArray image, OutputArray circles,
                               int method, double dp, double minDist,
                               double param1 = 100, double param2 = 100,
                               int minRadius = 0, int maxRadius = 0 );

HoughCircles该函数使用霍夫变换在灰度图像中查找圆。

image：输入图像，需要为 8 位的灰度单通道图像。
circle：找到的圆的输出向量。每个向量被编码为3或4个元素的浮点型向量 $(x, y, r a d i u s)$ 或 $(x, y, r a d i u s, v o t es)$ 。
method：检测方法，参见HoughModes。可用的方法是HOUGH_GRADIENT和HOUGH_GRADIENT_ALT。
dp：累加器分辨率与图像分辨率的反比。当Dp =1时，累加器与输入图像具有相同的分辨率。如果dp=2，累加器的宽度和高度减半。HOUGH_GRADIENT_ALT方法的推荐值是dp=1.5，除非需要检测一些非常小的圆。
minDist：两个圆心之间的最小距离。若两圆心距离 < minDist，则认为是同一个圆。如果参数太小，可能会在检测到一个真实的圆的同时，检测到多个邻居圆。如果太大，可能会漏掉一些圆圈。
param1：第一个method-specific参数。对于HOUGH_GRADIENT和HOUGH_GRADIENT_ALT，它是传递给Canny边缘检测器的两个阈值中较高的阈值(较低的阈值小两倍)。注意，HOUGH_GRADIENT_ALT使用Scharr算法来计算图像的导数，所以阈值通常应较高，如300或正常曝光和对比图像。
param2：第二个method-specific参数。对于HOUGH_GRADIENT，它是圆的累加器阈值在检测阶段居中。它越小，越多可能会检测到假圈。对应于较大累加器值的圆将为返回第一个。在HOUGH_GRADIENT_ALT算法的情况下，这是圆的“完美”度量。它越接近1，算法选择的圆形状越好。在大多数情况下，0.9应该就可以了。如果你想更好地检测小圆，你可以把它降低到0.85,0.8甚至更少。但也要尽量限制搜索范围在[minRadius, maxRadius]，以避免出现许多错误的圆圈。
minRadius：圆半径的最小值。
maxRadius：圆半径的最大值。如果<= 0，则使用最大图像尺寸。如果< 0，则返回的结果中：HOUGH_GRADIENT求圆心而不求半径。HOUGH_GRADIENT_ALT计算圆的半径和圆心。

二、C++代码

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;

int main(int argc, char** argv) 
{
	// ----------------------读取数据---------------------------
	cv::Mat src = cv::imread("圆.jpg");
	if (src.empty()) 
	{
		cout << "请确认图像文件名称是否正确" << endl;
		return -1;
	}
	cv::namedWindow("Circle", cv::WINDOW_AUTOSIZE);
	imshow("Circle", src);
	// ---------------------转灰度图----------------------------
	cv::Mat grayImg;
	cv::cvtColor(src, grayImg, cv::COLOR_BGR2GRAY);
	vector<cv::Vec3f>circles;
	int hough_value = 60;
	// --------------------霍夫圆检测---------------------------
	cv::HoughCircles(grayImg, circles, cv::HOUGH_GRADIENT, 1, 15, 100, hough_value, 15, 100);
	cv::Mat houghcircle = src.clone();
	for (int i = 0; i < circles.size(); ++i) 
	{
		circle(houghcircle, cv::Point(circles[i][0], circles[i][1]), circles[i][2], cv::Scalar(0, 0, 255), 2);
	}
	imwrite("houghcircle.jpg", houghcircle);
	imshow("houghcircle", houghcircle);
	cv::waitKey(0);
	return 0;
}

三、python代码

import cv2


# -------------------------读取数据----------------------------
img = cv2.imread('circle.jpg')
# ------------------------转为灰度图---------------------------
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# ------------------------霍夫圆检测-----------------------
circles = cv2.HoughCircles(gray_img, cv2.HOUGH_GRADIENT, 1, 15, param1=100, param2=80, minRadius=15, maxRadius=100)

for i in circles[0]:
    img = cv2.circle(img, (i[0], i[1]), int(i[2]), (0, 0, 255), 3)
cv2.imshow('circle', img)
cv2.waitKey(0)