Hough检测圆

       霍夫变换是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改进算法。Hough变换的基本原理在于，利用点与线的对偶性，将图像空间的线条变为参数空间的聚集点，从而检测给定图像是否存在给定性质的曲线。要根据参数方程来确定曲线对象，圆方程(x1-a1)^2 + (y1-b1)^2 = r1^2 。

        OpenCV的HoughCircles则基于图像梯度进行检测。 OpenCV内的HoughCircles对基础的Hough变换找圆做了一定的优化来提高速度，它不再是在参数空间画出一个完整的圆来进行投票，而只是计算轮廓点处的梯度向量，然后根据搜索的半径R在该梯度方向距离轮廓点距离R的两边各投一点，最后根据投票结果图确定圆心位置。

       但是轮廓梯度定位出来的圆心投票本来精度有点低，而且需要设定比较好的半径范围，很难得到想到的结果。下次调出来，再分享。

/*!
* \file houghTranslation.cpp
*
* \author ranjiewen
* \date 2016/12/25 16:31
*
*
*/

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


//全局变量申明
Mat g_srcImage, g_dstImage, g_midImage, circleImage;//原始图、中间图和效果图
vector<Vec4i> g_lines;//定义一个矢量结构g_lines用于存放得到的线段矢量集合
vector<Vec3f> circles;
//变量接收的TrackBar位置参数
int g_nthreshold = 100;
ofstream text; //输出流写文件

			   //函数申明
static void on_HoughLines(int, void*);//回调函数
static void ShowHelpText();
void drawDetectLines(Mat& image, const vector<Vec4i>& lines, Scalar & color);
void drawDetectCircles(Mat& image, const vector<Vec3f> &circles, Scalar & color);


int main(int agrc, char** argv[])
{
	//改变console字体颜色
	system("color 4F");
	ShowHelpText();


	//载入原始图和Mat变量定义   
	Mat g_srcImage = imread("3.png");  //工程目录下应该有一张名为1.jpg的素材图
													 //显示原始图  
													 //imshow("【原始图】", g_srcImage);  


													 //创建滚动条
	namedWindow("【效果图】", 1);
	createTrackbar("值", "【效果图】", &g_nthreshold, 200, on_HoughLines);
	//createTrackbar("值", "【效果图】", &g_nthreshold, 200, on_HoughCircle);


	//进行边缘检测和转化为灰度图
	Canny(g_srcImage, g_midImage, 50, 150, 3);//进行一次canny边缘检测
											  //imshow("边缘图",g_midImage);
	cvtColor(g_midImage, g_dstImage, COLOR_GRAY2BGR);//转化边缘检测后的图为灰度图
													 //调用一次回调函数，调用一次HoughLinesP函数
	on_HoughLines(g_nthreshold, 0);
	HoughLinesP(g_midImage, g_lines, 1, CV_PI / 180, 80, 50, 10);


	cvtColor(g_srcImage, circleImage, COLOR_BGR2GRAY);
	GaussianBlur(circleImage, circleImage, Size(9, 9), 2, 2);
	//数的调整是关键，一定要知道各参数的调整才能调出合适的参数,感觉最小投票数对结果影响较大
	HoughCircles(circleImage, circles, CV_HOUGH_GRADIENT, 1, 5, 100, 25, 0, 50);


	text.open("textRecord.txt", ios::out);
	drawDetectLines(g_srcImage, g_lines, Scalar(0, 255, 0));
	drawDetectCircles(g_srcImage, circles, Scalar(0, 255, 0));
	text.close();

	//显示效果图  
	imshow("【效果图】", g_dstImage);
	imshow("效果图", g_srcImage);
	imwrite("canny_result.bmp", g_dstImage); //保存图
	imwrite("hough_trans.bmp", g_srcImage); //保存图

	waitKey(0);

	return 0;

}



void drawDetectLines(Mat& image, const vector<Vec4i>& lines, Scalar & color)
{
	text << "检测到的直线总数:" << lines.size() << "两个坐标为一组。" << endl;
	// 将检测到的直线在图上画出来
	vector<Vec4i>::const_iterator it = lines.begin();
	while (it != lines.end())
	{
		Point pt1((*it)[0], (*it)[1]);
		Point pt2((*it)[2], (*it)[3]);
		line(image, pt1, pt2, color, 2); //  线条宽度设置为2
		++it;
	}
	for (int i = 0; i < lines.size(); i++)
	{
		char str[_MAX_PATH];
		sprintf_s(str, _MAX_PATH, "第%d条直线两个端点坐标：", i + 1);

		text << str << "    (" << (lines.at(i)) << ")" << endl;
	}
	text << endl;
}

void drawDetectCircles(Mat& image, const vector<Vec3f> &circles, Scalar & color)
{
	text << "检测到的圆的总数：" << circles.size() << endl;
	for (size_t i = 0; i < circles.size(); i++)
	{
		//参数定义
		Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
		int radius = cvRound(circles[i][2]);

		char str[_MAX_PATH];
		sprintf_s(str, _MAX_PATH, "第%d个圆心坐标：   ", i + 1);
		text << str << "   (" << circles[i][0] << "," << circles[i][1] << ")         " << "圆的半径：" << radius << endl;

		//绘制圆心
		circle(image, center, 3, Scalar(0, 255, 0), -1, 8, 0);
		//绘制圆轮廓
		circle(image, center, radius, Scalar(155, 50, 255), 3, 8, 0);
	}

}

static void  on_HoughCircle(int, void*)
{
	GaussianBlur(g_midImage, g_midImage, Size(9, 9), 2, 2);

	//【4】进行霍夫圆变换
	vector<Vec3f> circles;
	HoughCircles(g_midImage, circles, CV_HOUGH_GRADIENT, 1.5, 10, 200, 100, 0, 0);

	//【5】依次在图中绘制出圆
	for (size_t i = 0; i < circles.size(); i++)
	{
		//参数定义
		Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
		int radius = cvRound(circles[i][2]);
		//绘制圆心
		circle(g_srcImage, center, 3, Scalar(0, 255, 0), -1, 8, 0);
		//绘制圆轮廓
		circle(g_srcImage, center, radius, Scalar(155, 50, 255), 3, 8, 0);
	}
}

//---【on_HoughLines( )函数】-------------------
//        描述：【顶帽运算/黑帽运算】窗口的回调函数
//----------------------------------------------
static void on_HoughLines(int, void*)
{
	//定义局部变量储存全局变量
	Mat dstImage = g_dstImage.clone();
	Mat midImage = g_midImage.clone();

	//调用HoughLinesP函数
	vector<Vec4i> mylines;
	HoughLinesP(midImage, mylines, 1, CV_PI / 180, g_nthreshold + 1, 50, 10);

	//循环遍历绘制每一条线段
	for (size_t i = 0; i < mylines.size(); i++)
	{
		Vec4i l = mylines[i];
		line(dstImage, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(23, 180, 55), 1);
	}
	//显示图像
	imshow("【效果图】", dstImage);
}

static void ShowHelpText()
{
	//输出欢迎信息和OpenCV版本

	printf("\n\n\t\t\t   当前使用的OpenCV版本为：" CV_VERSION);
	printf("\n\n  ----------------------------------------------------------------------------\n");

	//输出一些帮助信息
	printf("\n\n\n\t请调整滚动条观察图像效果~\n\n");


}

测试图片：