圆检测-CircleDectection

1、简介
机器视觉中经常涉及到基础形状的检测，基础形状包括直线、圆和椭圆等，直线的检测是最简单的一种，可以直接提取边缘后采点进行点的直线方程拟合，要确定的参数就两个：斜率和截距。
而圆的检测跟直线类似，只是变量变成了三个参数（圆心的横纵坐标和圆半径），如果直接进行参数拟合，所需的计算量或许会成倍的增加，运算的时间与半径变化所需搜索的范围成正相关。

2、已知半径的圆检测
它的思路是：
1.找出边缘点;
2.以边缘点为圆心在原图像上找到所有圆周上的点，为可能的圆心，每个圆心位置对应的累加器加1;
3.遍历所有边缘点后，找出可能的圆心累计数最大的那个点，为真正的圆心。
这里参考网友Jonh-Hany的代码：

#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

#define X_MAX 400
#define Y_MAX 400
#define TO_BE_BLACK 40

//radius of circles is known
int houghTrans_r(IplImage *src, IplImage *dst, IplImage *tmp, float r, int xstep, int ystep)// 100, 1, 1, 
{
    int width = src->width;
    int height = src->height;

    int channel = src->nChannels;
    int xmax = width%xstep ? width/xstep+1 : width/xstep;
    int ymax = height%ystep ? height/ystep+1 : height/ystep;

    int i,j,x,y;
    int para[X_MAX][Y_MAX] = {0};
    //i,j are in the pixel space
    //x,y are in the parameter space
    for(j=0; j<height; j++)
    {
        uchar* pin = (uchar*)(src->imageData + j*src->widthStep);
        for(i=0; i<width; i++)
        {
            //pixel is black
            if(pin[channel*i] < TO_BE_BLACK)
            {
                float temp;

                //calculate every probable y-cord based on x-cord
                for(x=0; x<xmax; x++)
                {
                    temp = r*r - (i-x*xstep)*(i-x*xstep);
                    temp = <