理论
- 在线检测情况下,线由两个参数(r,θ)定义。 在圆圈情况下,我们需要三个参数来定义圆:
- 其中(xcenter,ycenter)定义中心位置(绿点),r是半径,这允许我们完全定义一个圆,如下所示:
- 为了提高效率,OpenCV实现了一种比标准Hough变换稍微复杂的检测方法: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并找到可能的圆心,第二阶段找到每个候选中心的最佳半径。
代码
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;
static void help()
{
cout << "\nThis program demonstrates circle finding with the Hough transform.\n"
"Usage:\n"
"./houghcircles <image_name>, Default is ../data/board.jpg\n" << endl;
}
int main(int argc, char** argv)
{
cv::CommandLineParser parser(argc, argv,
"{help h ||}{@image|../data/board.jpg|}"
);
if (parser.has("help"))
{
help();
return 0;
}
string filename = parser.get<string>("@image");
if (filename.empty())
{
help();
cout << "no image_name provided" << endl;
return -1;
}
Mat img = imread(filename, 0);
if(img.empty())
{
help();
cout << "can not open " << filename << endl;
return -1;
}
Mat cimg;
medianBlur(img, img, 5);
cvtColor(img, cimg, COLOR_GRAY2BGR);
vector<Vec3f> circles;
HoughCircles(img, circles, HOUGH_GRADIENT, 1, 10,
100, 30, 1, 30 // change the last two parameters
// (min_radius & max_radius) to detect larger circles
);
for( size_t i = 0; i < circles.size(); i++ )
{
Vec3i c = circles[i];
circle( cimg, Point(c[0], c[1]), c[2], Scalar(0,0,255), 3, LINE_AA);
circle( cimg, Point(c[0], c[1]), 2, Scalar(0,255,0), 3, LINE_AA);
}
imshow("detected circles", cimg);
waitKey();
return 0;
}
解释
(1)src_gray:输入图像(灰度)。
(2)circles:存储3个值的集合的向量:每个检测到的圆的xc,yc,r。
(3)HOUGH_GRADIENT:定义检测方法。 目前,这是OpenCV中唯一可用的。
(4)dp = 1:分辨率的反比。
(5)min_dist = src_gray.rows / 8:检测到的中心之间的最小距离。
(6)param_1 = 200:内部Canny边缘检测器的上限阈值。
(7)param_2 = 100 *:中心检测的阈值。
(8)min_radius = 0:要检测的最小半径。 如果未知,则默认为零。
(9)max_radius = 0:要检测的最大半径。 如果未知,则默认为零。
- 加载图像
- 将其转换为灰度:
- 应用高斯模糊以减少噪音并避免假圆检测:
- 继续应用霍夫圆变换:
- 绘制检测到的圆圈:
- 显示检测到的圆圈:
- 等待用户退出程序