python+opencv圆检测

霍夫圆检测对噪声比较敏感，所有进行霍夫圆检测的时候要先进行中值滤波。
在OpenCV中是通过图像梯度来实现霍夫变换圆检测的，因此要选用cv2.HOUGH_GRADIENT这个参数。
其实现分为两步：

• 检测图像边缘，发现可能的圆心
• 从候选圆心中计算最佳半径大小

import cv2
import numpy as np
smarties = cv2.imread(r"F:\Python\picture\smarties.png")
gray_img= cv2.cvtColor(smarties,cv2.COLOR_BGR2GRAY)
#进行中值滤波
img = cv2.medianBlur(gray_img,5)
circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,20,param1=50,param2=35,minRadius=0,maxRadius=0)
#对数据进行四舍五入变为整数
circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    #画出来圆的边界
    cv2.circle(smarties,(i[0],i[1]),i[2],(0,0,0),2)
    #画出来圆心
    cv2.circle(smarties,(i[0],i[1]),2,(0,255,255),3)
cv2.imshow("Circle",smarties)
cv2.waitKey()
cv2.destroyAllWindows()

实现效果：

cv2.HoughCircles(gray_img, method, dp, min_dist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None)

• gray_img 输入图像（灰度图）
• method 这里应选用cv2.HOUGH_GRADIENT
• dp 累加器精度，一般默认为1
• min_dist 检测到圆心的最短距离，这个值如果大了，就会多个圆被认为是一个圆
• circles 找到圆的输出矢量，默认为None即可
• param1 Canny函数的高阈值
• param2 圆心检测阈值。根据你的图像中的圆大小设置，当这张图片中的圆越小，那么此值就设置应该被设置越小。当设置的越小，那么检测出的圆越多，在检测较大的圆时则会产生很多噪声。所以要根据检测圆的大小变化。
• minRadius 能检测到最小圆的半径，默认为0
• maxRadius 能检测到最大圆的半径，默认为0
• 最小圆半径和最大圆半径可以辅助我们更好选则圆，如果没有特殊需要就都默认为0即可