目标
在本教程中,您将学习如何:
- 使用 OpenCV 函数 HoughCircles() 检测图像中的圆圈。
理论
Hough Circle 变换
-
Hough Circle Transform 的工作方式与上一教程中介绍的 Hough Line Transform 大致类似。
-
在线检测情况下,一条线由两个参数 \((r, \theta)\) 定义。在圆的情况下,我们需要三个参数来定义一个圆:
[C : ( x_{center}, y_{center}, r )]
其中 \((x_{center}, y_{center})\) 定义中心位置(绿点),\(r\) 是半径,这使我们能够完全定义一个圆,如下图所示:
-
为了提高效率,OpenCV 实现了一种比标准 Hough 变换稍微棘手的检测方法:Hough 梯度方法,它由两个主要阶段组成。第一阶段涉及边缘检测和寻找可能的圆心,第二阶段为每个候选中心找到最佳半径。有关更多详细信息,请查看*《学习 OpenCV*》一书或您最喜欢的计算机视觉参考书目
这个程序是做什么的?
- 加载图像并对其进行模糊处理以减少噪点
- 将 Hough Circle 变换应用于模糊图像。
- 在窗口中显示检测到的圆圈。
法典 C++爪哇岛蟒
我们将要解释的示例代码可以从这里下载。可以在此处找到一个稍微花哨的版本(显示用于更改阈值的跟踪栏)。
#include“opencv2/imgcodecs.hpp”
#include “opencv2/highgui.hpp”
#include“opencv2/imgproc.hpp”
使用命名空间 CV;
使用命名空间 std;
int main(int argc, char** argv)
{
const char* 文件名 = argc >=2 ?argv[1] : “聪明人 .png”;
加载图像
Mat src = imread( samples::findFile( filename ), IMREAD_COLOR );
检查图像是否加载正常
if(src.空()){
printf(“打开图像时出错\n”);
printf(“ 程序参数: [image_name – 默认 %s] \n”, filename);
返回EXIT_FAILURE;
}
垫灰色;
cvtColor(src, 灰色, COLOR_BGR2GRAY);
medianBlur(灰色,灰色,5);
vector 圆圈;
HoughCircles(灰色、圆圈、HOUGH_GRADIENT、1、
灰色。rows/16, // 更改此值以检测彼此之间距离不同的圆
100, 30, 1, 30 // 更改最后两个参数
(min_radius & max_radius) 检测较大的圆圈
);
for( size_t i = 0; i < circles.size(); i++ )
{
Vec3i c = 圆[i];
圆心
圆( src, center, 1, 标量(0,100,100), 3, LINE_AA);
圆形轮廓
int 半径 = c[2];
圆( src, center, radius, Scalar(255,0,255), 3, LINE_AA);
}
imshow(“检测到的圆圈”, src);
等待键();
返回EXIT_SUCCESS;
}
解释 C++爪哇岛蟒
我们使用的图片可以在这里找到
加载图像:
const char* 文件名 = argc >=2 ?argv[1] : “聪明人 .png”;
加载图像
Mat src = imread( samples::findFile( filename ), IMREAD_COLOR );
检查图像是否加载正常
如果(src.empty()){
printf(“打开图像时出错\n”);
printf(“ 程序参数: [image_name – 默认 %s] \n”, filename);
返回EXIT_FAILURE;
}
将其转换为灰度:
垫灰色;
cvtColor(src, 灰色, COLOR_BGR2GRAY);
应用中值模糊以减少噪点并避免误圆检测:
medianBlur(灰色,灰色,5);
继续应用 Hough Circle Transform:
vector 圆圈;
HoughCircles(灰色、圆圈、HOUGH_GRADIENT、1、
gray.rows/16, // 更改此值以检测彼此之间距离不同的圆圈
100, 30, 1, 30 // 更改最后两个参数
(min_radius & max_radius) 检测较大的圆圈
);
- 参数如下:
- gray:输入图像(灰度)。
- circles:存储 3 个值集的向量:x_{c}、y_{c}、r 对每个检测到的圆。xc,yc,r
- HOUGH_GRADIENT:定义检测方法。目前,这是 OpenCV 中唯一可用的。
- dp = 1:分辨率的反比。
- min_dist = gray.rows/16:检测到的中心之间的最小距离。
- param_1 = 200:内部 Canny 边缘检测器的上限阈值。
- param_2 = 100*:中心检测的阈值。
- min_radius = 0:要检测的最小半径。如果未知,则将零作为默认值。
- max_radius = 0:要检测的最大半径。如果未知,则将零作为默认值。
绘制检测到的圆圈:
for( size_t i = 0; i < circles.size(); i++ )
{
Vec3i c = 圆[i];
圆心
圆( src, center, 1, 标量(0,100,100), 3, LINE_AA);
圆形轮廓
int 半径 = c[2];
圆( src, center, radius, Scalar(255,0,255), 3, LINE_AA);
}
您可以看到,我们将用红色画圆圈,用一个小绿点画中心
显示检测到的圆圈并等待用户退出程序:
imshow(“检测到的圆圈”, src);
等待键();
结果
使用测试图像运行上述代码的结果如下所示:
在线教程
- 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
- 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
- EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
- 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中,你将会学习到让机器人执行一系列动作所需要的基本算法。
- 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法,包括:概率推算,计划和搜索,本地化,跟踪和控制,全部都是围绕有关机器人设计。
- 机器学习 – 有指导和无指导情况下的基本机器学习算法
- 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
- 斯坦福统计学习
有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
人工智能书籍
- OpenCV(中文版).(布拉德斯基等)
- OpenCV+3计算机视觉++Python语言实现+第二版
- OpenCV3编程入门 毛星云编著
- 数字图像处理_第三版
- 人工智能:一种现代的方法
- 深度学习面试宝典
- 深度学习之PyTorch物体检测实战
- 吴恩达DeepLearning.ai中文版笔记
- 计算机视觉中的多视图几何
- PyTorch-官方推荐教程-英文版
- 《神经网络与深度学习》(邱锡鹏-20191121)
- …
第一阶段:零基础入门(3-6个月)
新手应首先通过少而精的学习,看到全景图,建立大局观。 通过完成小实验,建立信心,才能避免“从入门到放弃”的尴尬。因此,第一阶段只推荐4本最必要的书(而且这些书到了第二、三阶段也能继续用),入门以后,在后续学习中再“哪里不会补哪里”即可。
第二阶段:基础进阶(3-6个月)
熟读《机器学习算法的数学解析与Python实现》并动手实践后,你已经对机器学习有了基本的了解,不再是小白了。这时可以开始触类旁通,学习热门技术,加强实践水平。在深入学习的同时,也可以探索自己感兴趣的方向,为求职面试打好基础。
第三阶段:工作应用
这一阶段你已经不再需要引导,只需要一些推荐书目。如果你从入门时就确认了未来的工作方向,可以在第二阶段就提前阅读相关入门书籍(对应“商业落地五大方向”中的前两本),然后再“哪里不会补哪里”。
有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓