OpenCV - Hough 圆环变换（Python实现）

原理

圆形的一般性方程表示为(x-a)²+(y-b)²=r²。那么就有三个自由度圆心坐标a,b,和半径r。这就意味着一个圆需要三个参数来确定。 OpenCV 中提供的 cv.HoughCircle() 函数里面可以设定半径r的取值范围，相当于有一个先验设定，在每一个r来说，在二维空间内寻找a和b就可以了，能够减少计算量。

函数

cv2.HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None)

参数
image	8位、单通道灰度图像
method	定义检测图像中圆的方法。目前唯一实现的方法是cv2.HOUGH_GRADIENT。
dp	累加器图像的分辨率。累加器分辨率与图像分辨率的反比。dp获取越大，累加器数组越小。
minDist	两个不同圆之间的最小距离。
param1	用于Canny的边缘阀值上限，下限被置为上限的一半。
param2	cv2.HOUGH_GRADIENT方法的累加器阈值。
minRadius	最小圆半径
maxRadius	最大圆半径

代码

import cv2
import numpy as np
img = cv2.imread('image.jpg',0)
print(img.shape)
img = cv2.medianBlur(img,5)
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,10,
    param1=50,param2=100,minRadius=10,maxRadius=200)

circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    # 画圆
    cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)
    # 画圆心点
    cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)
cv2.imshow('detected circles',cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图

结果