cv::HoughCircle()

函数作用

利用霍夫变换检测图像中的圆

函数原型

void cv::HoughCircles	(InputArray 	image, // 8位单通道灰度图
						 OutputArray 	circles, // tyoe:vector<Vec3f>,(x,y,raduis)
						 int 		    method, // 梯度求解方法：HOUGH_GRADIENT,HOUGH_GRADIENT_ALT
						 double 		dp, //累加器分辨率与图像分辨率的反比。
// 例如，如果dp=1，累加器的分辨率与输入图像相同。如果dp=2，则蓄能器的宽度和高度为原来的一半。
// 对于HOUGH_GRADIENT_ALT，建议值为dp=1.5，除非需要检测一些非常小的圆。
						 double 	    minDist,// 检测到的圆中心之间的最小距离。
						 double 	    param1 = 100,//Canny 检测的低阈值参数
						 double		 	param2 = 100,//中心点累加器阈值，候选圆心
						 int 			minRadius = 0,// 最小圆半径
						 int 			maxRadius = 0 // 最大圆半径
						)		
Python:
cv.HoughCircles(	image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]]	) ->	circles

实例(来自opencv官网)：

#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <math.h>
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
    Mat img, gray;
    if( argc != 2 || !(img=imread(argv[1], 1)).data)
        return -1;
    cvtColor(img, gray, COLOR_BGR2GRAY);
    // smooth it, otherwise a lot of false circles may be detected
    GaussianBlur( gray, gray, Size(9, 9), 2, 2 );
    vector<Vec3f> circles;
    HoughCircles(gray, circles, HOUGH_GRADIENT,
                 2, gray.rows/4, 200, 100 );
    for( size_t i = 0; i < circles.size(); i++ )
    {
         Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
         int radius = cvRound(circles[i][2]);
         // draw the circle center
         circle( img, center, 3, Scalar(0,255,0), -1, 8, 0 );
         // draw the circle outline
         circle( img, center, radius, Scalar(0,0,255), 3, 8, 0 );
    }
    namedWindow( "circles", 1 );
    imshow( "circles", img );
    waitKey(0);
    return 0;
}