关闭

霍夫变换圆形检测(基于OpenCV&Python)

标签: pythonopencv圆检测cv2-HoughC霍夫变换
282人阅读 评论(0) 收藏 举报
分类:

简述

基于python使用opencv实现在一张图片中检测出圆形,并且根据坐标和半径标记出圆。不涉及理论,只讲应用。

相关函数

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

  • image- 8位,单通道,灰度输入图像。
  • circles- 找到的圆的输出向量。每个向量被编码为3元素的浮点向量 (x,y,半径)。
  • circle_storage - 在C函数中,这是一个将包含找到的圆的输出序列的内存存储。
  • method- 使用检测方法。目前,唯一实现的方法是 CV_HOUGH_GRADIENT,基本上是 21HT,在[Yuen90]中有描述 。
  • dp - 累加器分辨率与图像分辨率的反比。例如,如果 dp = 1,则累加器具有与输入图像相同的分辨率。如果 dp = 2,则累加器的宽度和高度都是一半。
  • minDist -检测到的圆的中心之间的最小距离。如果参数太小,除了真正的参数外,可能会错误地检测到多个邻居圈。如果太大,可能会错过一些圈子。
  • param1 - 第一个方法特定的参数。在CV_HOUGH_GRADIENT的情况下, 两个传递给Canny()边缘检测器的阈值较高(较小的两个小于两倍)。
  • param2 - 第二种方法参数。在CV_HOUGH_GRADIENT的情况下
    ,它是检测阶段的圆心的累加器阈值。越小,可能会检测到越多的虚假圈子。首先返回对应于较大累加器值的圈子。
  • minRadius -最小圆半径。
  • maxRadius - 最大圆半径。

这是根据opencv官方文档谷歌翻译过来的,参数比较多,但用的时候只修改一些主要的,传入的图像和最大最小圆半径,以达到检测出想要的圆的效果。
还有要注意函数的返回值

找到的圆的输出向量。每个向量被编码为3元素的浮点向量 (x,y,半径)。

这句话不是很好理解,我们直接输出返回值就会发现是个 三层嵌套list,最内层list有三个元素,分别是圆心的行,列,半径,这表示一个圆的基本信息。多个圆基本信息组成了一个新的list,这个list包含了检测到的所有圆,即长度就是检测到圆的个数。最外层再加了个list,至于干啥的不清楚了,不影响使用就好。

下图是输出函数返回值的一个实例图
这里写图片描述

实例演示

完整代码

import  cv2

#载入并显示图片
img=cv2.imread('circle.png')
cv2.imshow('img',img)
#灰度化
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#输出图像大小,方便根据图像大小调节minRadius和maxRadius
print(img.shape)
#霍夫变换圆检测
circles= cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,100,param1=100,param2=30,minRadius=5,maxRadius=300)
#输出返回值,方便查看类型
print(circles)
#输出检测到圆的个数
print(len(circles[0]))

print('-------------我是条分割线-----------------')
#根据检测到圆的信息,画出每一个圆
for circle in circles[0]:
    #圆的基本信息
    print(circle[2])
    #坐标行列
    x=int(circle[0])
    y=int(circle[1])
    #半径
    r=int(circle[2])
    #在原图用指定颜色标记出圆的位置
    img=cv2.circle(img,(x,y),r,(0,0,255),-1)
#显示新图像
cv2.imshow('res',img)

#按任意键退出
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果
这里写图片描述
shell输出截图
这里写图片描述

0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:4036次
    • 积分:150
    • 等级:
    • 排名:千里之外
    • 原创:6篇
    • 转载:0篇
    • 译文:0篇
    • 评论:17条
    文章分类
    文章存档
    最新评论