【OpenCV3.3+Python3.6】图像圆检测

图像圆检测

 

图像圆检测，顾名思义，就是把图像中的圆形状的东西检测出来。

霍夫圆检测原理 ：霍夫圆检测对噪声比较敏感，所以首先需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

opencv中利用HoughCircles()函数进行圆检测。

函数原型：cv2.HoughCircles(image,method,dp,minDist[, circles[,param1, param2[,minRadius[,maxRadius]]]]])

参数说明：

image：源图像;

method：cv2.HOUGH_GRADIENT 也就是霍夫圆检测，梯度法；

dp：计数器的分辨率图像像素分辨率与参数空间分辨率的比值，dp=1，则参数空间与图像像素空间（分辨率）一样大，dp=2，参数空间的分辨率只有像素空间的一半大；

minDist： 圆心之间最小距离，如果距离太小，会产生很多相交的圆，如果距离太大，则会漏掉正确的圆；

param1：canny检测的双阈值中的高阈值，低阈值是它的一半；

param2：基于圆心的最小投票数；

minRadius：需要检测圆的最小半径；

maxRadius：需要检测圆的最大半径。

 

代码奉上：

#圆检测
#霍夫圆检测原理
#霍夫圆检测对噪声比较敏感，所以首先需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


import cv2
import numpy as np

def circle_detect(image):
    filter=cv2.pyrMeanShiftFiltering(image, 10, 100)  #图像进行均值迁移模糊处理
    gray=cv2.cvtColor(filter, cv2.COLOR_BGR2GRAY)   #图像灰度化处理
    circles=cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 30, param1=50, param2=30, minRadius=0, maxRadius=0)  #霍夫原检测
    circles=np.uint16(np.around(circles))   #转化为整数
    for i in circles[0, :]:
        cv2.circle(image, (i[0], i[1]), i[2], (0, 0, 255), 2)#圆
        cv2.circle(image, (i[0], i[1]), 2, (255, 0, 0), 1)#圆心
    cv2.imshow("circle_detect",image)

print("--------hello----------")
src=cv2.imread("circle_detect.jpg")
cv2.imshow("source_image",src)
circle_detect(src)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

原图：

 

圆检测结果图：