cv.HoughCircles：圆形霍夫变换-OpenCV

 基本原理：

对于圆周上的每一个点，求其梯度，根据梯度可做出关于此点的切线，与切线垂直的方向就是梯度样方向，每个点的梯度方向的交点就是圆心，然后根据圆心的位置可以确定其半径。

直线的Hough变化：

图像Hough变换_独憩的博客-CSDN博客

函数：

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

image：灰度图像
method：一般为cv.HOUGH_GRADIENT
dp:累加器分辨率与图像分辨率的反比，一般为1
minDist：不同圆心直接的最小距离，太大会遗漏一些圆形，太小会产生许多无关的圆
param1：传递给 canny 边缘检测算子的高阀值，而低阀值为高阀值的一半
param2：是检测阶段圆心的累加阀值。越小可以检测到更多的假圆。越大能通过检测的圆就更加接近完美的圆形。
minRadius：最小半径
maxRadius：最大半径

 实例：

import cv2.cv2
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

img1 = cv.imread(r'XXXXX.jpg')
img=img1.copy()
img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

img = cv.medianBlur(img,5)
cimg = cv.cvtColor(img,cv.COLOR_GRAY2BGR)
circles = cv.HoughCircles(img,cv.HOUGH_GRADIENT,1,300,
                            param1=50,param2=30,minRadius=50,maxRadius=200)
circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    # 画圆：
    cv.circle(img1,(i[0],i[1]),i[2],(0,255,0),5)
    # 圆心：
    cv.circle(img1,(i[0],i[1]),2,(0,0,255),5)
cv.imshow('detected circles',img1)
cv.waitKey(0)
cv.destroyAllWindows()