霍夫找圆 opencv-python

送上一篇初学open cv霍夫找圆，识别率低下，自娱自乐。

 

pyrMeanShiftFiltering：这个函数严格来说并不是图像的分割，而是图像在色彩层面的平滑滤波，它可以中和色彩分布相近的颜色，平滑色彩细节，侵蚀掉面积较小的颜色区域。

 

第一个参数src，输入图像，8位，三通道的彩色图像，并不要求必须是RGB格式，HSV、YUV等Opencv中的彩色图像格式均可；

第二个参数dst，输出图像，跟输入src有同样的大小和数据格式；（自带参数好复杂，我直接用参数的方式将图像传出）

第三个参数sp，定义的漂移物理空间半径大小；

第四个参数sr，定义的漂移色彩空间半径大小；

第五个参数maxLevel，定义金字塔的最大层数；

第六个参数termcrit，定义的漂移迭代终止条件，可以设置为迭代次数满足终止，迭代目标与中心点偏差满足终止，或者两者的结合；

o(*￣︶￣*)o（很好，以上的黑色参数我全都用不到，涉及到源文件，漂移最大的半径以及平滑程度，你就理解为模糊程度吧）

模糊程度相当的决定了识别率哈，真的是，改了10分钟的模糊度才最终找圆成功。后面的代码灰度图的转化，在上一周的单通道灰度形成对比cimage = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)。主要是为了再多通道中（你可以理解为在彩色图片中增加识别率二转化为黑白的图片）应为cv3推出了通道自定义，没搞懂，返回来使用cv2。

 

 

我大概模糊到这个程度就成功识别圆了。下面步入正题，霍夫函数的理解：

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

image 不用多说，输入矩阵

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（官方文档上写的是图像分辨率与累加器分辨率的比值，它把参数空间认为是一个累加器，毕竟里面存储的都是经过的像素点的数量），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（楼主理解不到）

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 最小投票数（基于圆心的投票数）

minRadius 需要检测圆的最小半径

maxRadius 需要检测圆的最大半径

 

 for i in circles[0]:

        cv.circle(image, (i[0], i[1]), i[2], (0, 0, 255), 2)#画圆

        cv.circle(image, (i[0], i[1]), 2, (255, 0, 255), 2)#画圆心

在这儿我遍历了前面find方法找到的所有的圆形，分别画出他们的圆的边缘线和圆心，(i[0], i[1])指的是坐标行列，i[2]存放的是半径，2为内径圆的半径，用来表示圆心。

import cv2 as cv

import numpy as np

#圆检测

def circles_find(image):

    dst = cv.pyrMeanShiftFiltering(image, 10, 200)

    cimage = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)#灰度转换哈

    cv.imshow("show",cimage)

    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)#画圆

        cv.circle(image, (i[0], i[1]), 5, (255, 0, 255), 2)#画圆心

    cv.imshow("circle", image)





src = cv.imread("find5.jpg")

cv.imshow("cicle", src)

circles_find(src)

cv.waitKey(0)

cv.destroyAllWindows()

 

在这儿贴上代码吧，后面尝试了两个没怎么用过的函数，试一试。