Open CV系列学习笔记（十七）圆检测 2021-02-12

Open CV系列学习笔记（十七）圆检测

霍夫变换

霍夫变换是一种特征检测(feature extraction)，被广泛应用在图像分析（image analysis）、计算机视觉(computer vision)以及数位影像处理(digital image processing)。霍夫变换是用来辨别找出物件中的特征，例如：线条。他的算法流程大致如下，给定一个物件、要辨别的形状的种类，算法会在参数空间(parameter space)中执行投票来决定物体的形状，而这是由累加空间(accumulator space)里的局部最大值(local maximum)来决定。
现在广泛使用的霍夫变换是由RichardDuda和PeterHart在公元1972年发明，并称之为广义霍夫变换(generalizedHoughtransform)，广义霍夫变换和更早前1962年的PaulHough的专利有关。经典的霍夫变换是侦测图片中的直线，之后，霍夫变换不仅能识别直线，也能够识别任何形状，常见的有圆形、椭圆形。1981年，因为DanaH.Ballard的一篇期刊论文"Generalizing the Hough transform to detect arbitrary shapes"，让霍夫变换开始流行于计算机视觉界。

霍夫圆变换原理

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。
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的检测。
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。
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
   代码：

def detect_circle_demo(image):#霍夫圆检测
    dst = cv.pyrMeanShiftFiltering(image,10,140)
    cimage = cv.cvtColor(dst,cv.COLOR_BGR2GRAY)
    circles = cv.HoughCircles(cimage,cv.HOUGH_GRADIENT,1,20,param1=50,param2=30,minRadius=0,maxRadius=0)
    circles = np.uint16(np.around(circles))
    for i in circles[0,:]:
        cv.circle(image, (i[0], i[1]), i[2], (0, 0, 255), 2)
        cv.circle(image, (i[0], i[1]), 2, (255, 0, 0), 2)
        cv.imshow("circles",image)

结果：

完整代码：

import cv2 as cv
import numpy as np


def detect_circle_demo(image):#霍夫圆检测
    dst = cv.pyrMeanShiftFiltering(image,10,95)
    cimage = cv.cvtColor(dst,cv.COLOR_BGR2GRAY)
    circles = cv.HoughCircles(cimage,cv.HOUGH_GRADIENT,1,20,param1=50,param2=30,minRadius=0,maxRadius=0)
    circles = np.uint16(np.around(circles))
    for i in circles[0,:]:
        cv.circle(image, (i[0], i[1]), i[2], (0, 0, 255), 2)
        cv.circle(image, (i[0], i[1]), 2, (255, 0, 0), 2)
        cv.imshow("circles",image)


print("--------HEllow Python-------")
src = cv.imread("E:\picture/34.jpg")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
detect_circle_demo(src)
cv.waitKey(0)


cv.destroyAllWindows()