OpenCV霍夫圆检测调参心得

前几天去面试的师兄,发了一道OpenCV的题目给我,要我一天做出来。题目如下:


检测出这张图片的三个不同其他的点,我的第一个想法是霍夫圆检测或者是寻找外轮廓。最后我放弃了寻找外轮廓,因为其检测的轮廓与轮廓之间的距离不能设置,这样我并不能知道,这三个点是否会被其他轮廓包含,从而导致每个轮廓并不是包含一个圆。排除掉寻找外轮廓,就剩下了霍夫圆检测。但我只在书本上了解过霍夫圆检测,并不知道OpenCV中霍夫圆检测具体参数设定。以下是我程序中的霍夫圆检测的参数设定。

vector<Vec3f>circles;

HoughCircles(img_cvt, circles, CV_HOUGH_GRADIENT,1,10, 100,10,5,13);

//第一个参数是输出被检测图片

//第二个参数表示存储数组,其中存储被检测的圆的圆心的坐标和圆的半径。

//第三个参数默认,因为检测圆的方法,OpenCV2.*.*版本之中只有霍夫梯度法。

//第四个参数可以设置为1就行--默认参数

         //第五个参数是圆心与圆心之间的距离,这是一个经验值。这个大了,那么多个圆就是被认为一个圆。

         //第六个参数 就设为默认值就OK

         //第七个参数是根据你的图像中的圆大小设置,当这张图片中的圆越小,那么此值就设置应该被设置越小。当设置的越小,那么检测出的圆越多,在检测较大的圆时则会产生很多噪声。所以要根据检测圆的大小变化。

         //第八个和第九个参数 是你检测圆 最小半径和最大半径是多少。这个值也是为了进一步筛选检测出的圆。

其效果如下图所示:


这是调出的较好结果,当然这未必是最好的参数配合,但已经能够使用了。那么接下来怎么确定三个特殊的点呢?

第一个想法是先将图片矫正,而后对图片中的圆心点垂直投影。设定一个阈值,来筛选出三个特殊点。

首先对图片矫正,那就用到衍射变化。其旋转角怎么得出呢?对其圆心点X,Y排序,并根据Xmin值,查找Y-x(min)值即可。

如下图所示其图片计算出旋转角度。

 

但在垂直的投影的过程中,发现一个比较严重的问题,想法是其垂直投影并设定一个阈值判断圆心与圆心的距离,从而检测出三个特殊点。但这种方法要求检测的圆心坐标准确,且在这个阈值设定上要能起到区分的效果。我调了大概一个小时的参数,但结果不如人意。

第二个办法是网上的网友,给我出了一个建议。直接算圆于圆的圆心距,不用对图形矫正。设定一个合理的阈值就可区分其三个特殊点。因为其三个点到周围的四个点的距离要明显比其他要小一半。用此方法能够较好的完成题目要求就是在算法上比较耗时。其结果如下图所示:


 

还有其他方法,我并未一一测试。——也可以通过模板匹配的方法或者直接用膨胀和腐蚀对其进行数学形态学操作也能对其区分。下面是我源程序,希望大家多提提宝贵意见。


#include <iostream>
#include "cv.h"
#include "highgui.h"
#include <math.h>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;


int main(int argc , char* argv)
{
	Mat img_input,img_cvt,img_threshold,img_hough,img_warp;
	img_input = imread("1.png");
	Mat img_copy;
	img_input.copyTo(img_copy);
	cvtColor(img_input, img_cvt,CV_BGR2GRAY);
	threshold(img_cvt, img_threshold, 0, 255, CV_THRESH_BINARY + CV_THRESH_OTSU);

	vector<Vec3f> circles;
	HoughCircles(img_cvt, circles, CV_HOUGH_GRADIENT,1,10, 100,10,5,13);
	//第五个参数 是圆心与圆心之间的距离 
	//第六个参数 就设为默认值就OK
	//第七个参数这个根据你的图像中的圆  大小设置,如果圆越小,则设置越小
	//第八个和第九个参数 是你检测圆 最小半径和最大半径是多少  这个是经验值
	for (int  i = 0; i < circles.size(); i++)
	{
		Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
	    int    R = cvRound(circles[i][2]);
		circle(img_input, center, 3, Scalar(0, 255, 0), -1, 8, 0);
		circle(img_input, center, R, Scalar(0, 0, 255), 3, 8, 0);
	}

	 



	float x_min = 0;
	float y_min = 0;
	float x_max = 0;
	float y_max = 0;
	float x_min_y = 0;
	x_min = circles[1][0];
	x_max = circles[1][0];
	y_min = circles[1][1];
	y_max = circles[1][1];


	for (int i = 0; i < circles.size();i++)
	{
		
		x_min = circles[i][0]< x_min ? circles[i][0] : x_min;
		x_max = circles[i][0]> x_max ? circles[i][0] : x_max;
	}

	for (int i = 0; i < circles.size(); i++)
	{
		
		y_min = circles[i][1]< y_min ? circles[i][1] : y_min;
		y_max = circles[i][1]> y_max ? circles[i][1] : y_max;
	}
	
	for (int i = 0; i < circles.size();i++)
   {
		if (circles[i][0] == x_min)
		{
			x_min_y = circles[i][1];
		}
   }

	float angle1 = ((y_max - x_min_y) / (x_max - x_min));
	double angle2 = atan(angle1);
	float angle = (angle2 * 360) /(2*3.14)   ;   //从弧度 转化为 角度
	Mat rotmat(2, 3, CV_32FC1);
	Point center = Point(img_input.cols / 2, img_input.rows / 2);
	rotmat = getRotationMatrix2D(center, angle, 1);
	warpAffine(img_copy, img_warp, rotmat, img_input.size());  //矫正完成;

    // 矫正工作完成




	Mat img_warp_cvt;
	cvtColor(img_warp, img_warp_cvt, CV_BGR2GRAY);
	//threshold(img_cvt, img_threshold, 0, 255, CV_THRESH_BINARY + CV_THRESH_OTSU);

	vector<Vec3f> circles1;
	HoughCircles(img_warp_cvt, circles1, CV_HOUGH_GRADIENT, 1,10, 100, 10, 5, 13);
	//这里的参数设置,第一个,参数可以设置为1就行
	//第五个参数 是圆心与圆心之间的距离 
	//第六个参数 就设为默认值就OK
	//第七个参数这个根据你的图像中的圆  大小设置,如果圆越小,则设置越小
	//第八个和第九个参数 是你检测圆 最小半径和最大半径是多少  这个是经验值
	for (int m = 0; m < circles1.size(); m++)
	{

		int count = 0;
		for (int n = 0; n < circles1.size(); n++)
		{
			float r = sqrt((circles1[m][0] - circles1[n][0])* (circles1[m][0] - circles1[n][0]) + (circles1[m][1] - circles1[n][1])*(circles1[m][1] - circles1[n][1]));
			printf("%f\n", r);
			if (r>0 && r<30)
			{
				count++;
				if (count>=4)
				{
					Point center(cvRound(circles1[m][0]), cvRound(circles1[m][1]));
					int radius = cvRound(circles1[m][2]);
					//绘制圆心
					circle(img_warp, center, 3, Scalar(255, 255, 255), 1, 8, 0);
					//绘制圆轮廓
					circle(img_warp, center, radius, Scalar(0, 255, 0), 2, 8, 0);
					count = 0;
				}

			}

		}
	}


/*	for (int i = 0; i < circles1.size(); i++)
	{
		Point center(cvRound(circles1[i][0]), cvRound(circles1[i][1]));
		int    R = cvRound(circles1[i][2]);
		circle(img_warp, center, 3, Scalar(0, 255, 0), -1, 8, 0);
		circle(img_warp, center, R, Scalar(0, 0, 255), 3, 8, 0);
	}
   */
	/*
	vector<Vec3f> B;
	for (int i = 0; i < circles1.size()-2; i++)
	{
		if (circles1[i + 1][1] - circles1[i][1] >= 3 && circles1[i + 1][1] - circles1[i][1] <= 7 )
		{
			B.push_back(circles1[i + 1]);
		}
	}

	Point center3(cvRound(B[0][0]), cvRound(B[0][1]));
	circle(img_warp, center3, 3, Scalar(255, 0, 0), -1, 8, 0);
	*/
	
	imshow("img_copy", img_copy);
	imshow("img_warp", img_warp);
	imshow("img_input", img_input);
	waitKey();
	return 0;

}



PS:前一段时间一直没有写博客,因为在忙着开题报告的事情。心情不怎么好,就没有写了。


  • 22
    点赞
  • 87
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
import cv2 as cv import numpy as np def hough_circle(image): #因为霍夫检测对噪声很明显,所以需要先滤波一下。 dst =cv.pyrMeanShiftFiltering(image,10,100) cimage=cv.cvtColor(dst,cv.COLOR_BGR2GRAY) circles = cv.HoughCircles(cimage,cv.HOUGH_GRADIENT,1,40,param1=40,param2=29,minRadius=30,maxRadius=0) #把circles包含的圆心和半径的值变为整数 circles = np.uint16(np.around(circles)) for i in circles[0]: cv.circle(image,(i[0],i[1]),i[2],(0,255,0),3) cv.imshow("circle",image) src = cv.imread("E:/opencv/picture/coins.jpg") cv.imshow("inital_window",src) hough_circle(src) cv.waitKey(0) cv.destroyAllWindows() 霍夫圆变换的基本思路是认为图像上每一个非零像素点都有可能是一个潜在的圆上的一点, 跟霍夫线变换一样,也是通过投票,生成累积坐标平面,设置一个累积权重来定位圆。 在笛卡尔坐标系中圆的方程为: 其中(a,b)是圆心,r是半径,也可以表述为: 即 在笛卡尔的xy坐标系中经过某一点的所有圆映射到abr坐标系中就是一条三维的曲线: 经过xy坐标系中所有的非零像素点的所有圆就构成了abr坐标系中很多条三维的曲线。 在xy坐标系中同一个圆上的所有点的圆方程是一样的,它们映射到abr坐标系中的是同一个点,所以在abr坐标系中该点就应该有圆的总像素N0个曲线相交。 通过判断abr中每一点的相交(累积)数量,大于一定阈值的点就认为是圆。 以上是标准霍夫圆变换实现算法。 问题是它的累加到一个三维的空间,意味着比霍夫线变换需要更多的计算消耗。 Opencv霍夫圆变换对标准霍夫圆变换做了运算上的优化。 它采用的是“霍夫梯度法”。它的检测思路是去遍历累加所有非零点对应的圆心,对圆心进行考量。 如何定位圆心呢?圆心一定是在圆上的每个点的模向量上,即在垂直于该点并且经过该点的切线的垂直线上,这些圆上的模向量的交点就是圆心。 霍夫梯度法就是要去查找这些圆心,根据该“圆心”上模向量相交数量的多少,根据阈值进行最终的判断。 bilibili: 注意: 1.OpenCV霍夫圆变换函数原型为:HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]]) -> circles image参数表示8位单通道灰度输入图像矩阵。 method参数表示圆检测方法,目前唯一实现的方法是HOUGH_GRADIENT。 dp参数表示累加器与原始图像相比的分辨率的反比参数。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,累加器分辨率是元素图像的一半,宽度和高度也缩减为原来的一半。 minDist参数表示检测到的两个圆心之间的最小距离。如果参数太小,除了真实的一个圆圈之外,可能错误地检测到多个相邻的圆圈。如果太大,可能会遗漏一些圆圈。 circles参数表示检测到的圆的输出向量,向量内第一个元素是圆的横坐标,第二个是纵坐标,第三个是半径大小。 param1参数表示Canny边缘检测的高阈值,低阈值会被自动置为高阈值的一半。 param2参数表示圆心检测的累加阈值,参数值越小,可以检测越多的假圆圈,但返回的是与较大累加器值对应的圆圈。 minRadius参数表示检测到的圆的最小半径。 maxRadius参数表示检测到的圆的最大半径。 2.OpenCV画圆的circle函数原型:circle(img, center, radius, color[, thickness[, lineType[, shift]]]) -> img img参数表示源图像。 center参数表示圆心坐标。 radius参数表示圆的半径。 color参数表示设定圆的颜色。 thickness参数:如果是正数,表示圆轮廓的粗细程度。如果是负数,表示要绘制实心圆。 lineType参数表示圆线条的类型。 shift参数表示圆心坐标和半径值中的小数位数。
霍夫圆检测是一种用于检测图像中圆形的算法。在OpenCV中,霍夫圆检测是基于图像梯度的实现。具体原理如下: 1. 首先,对图像进行中值滤波,以减少噪声的影响\[1\]。 2. 接下来,通过检测边缘来发现可能的圆心。这一步使用图像梯度的方法来计算边缘\[1\]。 3. 在第一步的基础上,从候选圆心开始计算最佳半径大小。这一步使用霍夫变换的方法来确定圆的半径\[1\]。 在OpenCV中,可以使用cv::HoughCircles函数来实现霍夫圆检测。该函数的参数包括输入图像、输出结果、方法、尺度因子、最短距离、Canny边缘检测的低阈值、中心点累加器阈值、最小半径和最大半径\[3\]。 总结来说,霍夫圆检测通过对图像进行中值滤波和边缘检测,然后使用霍夫变换来确定圆的位置和半径。这种方法可以有效地检测图像中的圆形物体。 #### 引用[.reference_title] - *1* [OpenCvSharp 学习笔记21-- 霍夫变换 - 圆检测 (Hough Circle transform)](https://blog.csdn.net/weixin_41049188/article/details/92422241)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [OpenCV 霍夫圆检测](https://blog.csdn.net/qq_44989881/article/details/116135750)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [OpenCV20---霍夫圆检测](https://blog.csdn.net/qq_45646174/article/details/105086711)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值