python + opencv图像处理——圆检测

霍夫圆检测原理
1、从平面坐标到极坐标转换三个参数C（x0,y0,r），其中x0,y0是圆心；
2、假设平面坐标的任意一个圆上的点，转换到极坐标中，C（x0,y0,r）处有最大值，霍夫变换正是利用这个原理实现圆检测；
3、因为霍夫圆检测对噪声比较敏感，所以首先要对图像做中值滤波；
4、基于效率考虑，opencv中实现的霍夫变换圆检测是基于图像梯度的实现，分为两步：
①检测边缘，发现可能的圆心；
②基于第一步的基础上从候选圆心开始计算最佳半径大小；

x = a + Rcos(θ)

y = b + Rsin(θ)

from matplotlib import pyplot as plt 
from cv2 import cv2 as cv
import numpy as np 

def detect_circles_demo(image):
    #边缘保留滤波   #也可用高斯滤波
    dst = cv.pyrMeanShiftFiltering(image,10,100)
    '''
    scr：输入的8比特，3信道图像
    dst：和源图像相同大小、格式的输出图像
    sp：空间窗的半径
    sr：色彩窗的半径
    '''
    cimage = cv.cvtColor(dst,cv.COLOR_BGR2GRAY)
    circles = cv.HoughCircles(cimage,cv.HOUGH_GRADIENT,1,20,param1=50,param2=28,minRadius=0,maxRadius=0)
    circles1 = np.uint16(np.around(circles))#转换成整数
    for i in circles1[0,:]:
        cv.circle(image,(i[0],i[1]),i[2],(0,0,255),2)#画圆
        cv.circle(image,(i[0],i[1]),2,(255,0,0),2)#圆心
    cv.imshow("circles",image)

if __name__ == "__main__":
    filepath = "C:\\pictures\\Test paper\\unqualified\\unqualifed-1.jpg"
    img = cv.imread(filepath)       # blue green red
    cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
    cv.imshow("input image",img)

    detect_circles_demo(img)

    cv.waitKey(0)
    cv.destroyAllWindows()

结果如下：