75.霍夫圆检测

目录

        1 概念讲解及用处

        2 霍夫圆检测原理

         3 霍夫直线检测步骤

        4 API详解

        5 用C++编写代码进行实现

        1 概念讲解及用处

        圆检测是计算机视觉领域中的一项重要任务，它用于在图像或视频中检测和定位圆形对象。在很多应用中，圆检测可以用来识别或跟踪物体，例如工业自动化、目标识别、机器人导航等。

        霍夫圆检测（Hough Circle Detection）是一种图像处理算法，用于在给定图像中检测和定位圆形目标。它是基于霍夫变换的扩展，通过在参数空间中进行累加来寻找圆形轮廓。

        霍夫圆检测的核心思想是将圆形表示为参数空间中的一个曲线，并通过累加器数组来记录曲线与图像中边缘点的交叉情况。当某个参数组合的累加值超过预设阈值时，就认为该参数组合对应的圆存在于图像中。

        2 霍夫圆检测原理

        我们都知道在直角坐标系中，对于圆我们可以用解析式来表示。

其中，a是圆心的x坐标，b是圆心的y坐标，R是圆的半径；

        现在我们假设圆上的三点A（x0，y0）、B（x1，y1），c（x2，y2）。 根据直角坐标与极坐标的转换关系：

由此我们可以得到关于a，b和R的表达式：

        由此我们可以得出： 直角坐标系中圆上的三个点，在极坐标中也是三个点，但是以这三个点为圆心，以R为半径，这三个圆将交于一点，该点就是要检测的圆的圆心点。

        进而更近一步，直角坐标系中圆上任意个点（>3），在极坐标中，以这些点为圆心，以半径R画圆，这些圆将交于一点，该点就是要检测的圆的圆心点。

         3 霍夫直线检测步骤

具体来说，霍夫圆检测的步骤如下：

1. 边缘检测：首先，需要对输入图像进行边缘检测，以便找到潜在的圆形轮廓。常用的边缘检测算法包括Canny边缘检测。

2. 参数空间定义：在霍夫圆检测中，使用三个参数来表示圆形：圆心坐标 (a, b) 和半径 r。为了确定这些参数的范围，需要定义一个参数空间，通常可以根据图像大小和目标尺寸进行设置。

3. 累加器初始化：创建一个累加器数组，大小与参数空间相匹配，并初始化为零。

4. 参数空间遍历：对于每个边缘点，计算其对应的圆心坐标和半径，并在累加器数组中对应位置进行累加。这一步骤需要遍历参数空间中所有可能的参数组合。

5. 阈值检测：当累加器数组中某个位置的累加值超过设定的阈值时，认为对应的圆存在于图像中。

6. 圆形细化：为了提高检测结果的准确性，可以进行圆形细化操作，例如非最大抑制，以消除重叠或相似的圆。

7. 输出结果：最后，将检测到的圆形轮廓输出或在原始图像上进行绘制，以便可视化或进一步处理。

        4 API详解

        OpenCV提供了函数来实现圆检测，其中最常用的是HoughCircles函数。以下是HoughCircles函数的详细介绍：

void HoughCircles( InputArray image, OutputArray circles, int method, 
double dp, double minDist, double param1 = 100, double param2 = 100, 
int minRadius = 0, int maxRadius = 0 );

参数说明：

image：输入的单通道灰度图像。
circles：输出参数，包含检测到的圆的圆心坐标和半径。
method：定义霍夫变换方法，一般使用CV_HOUGH_GRADIENT。
dp：候选圆心之间的累加器分辨率的倒数。dp越小，累加器数组的尺寸越大。
minDist：检测到的圆之间的最小距离。如果设置为负值，则函数会自动根据图像尺寸计算最小距离。
param1：第一个阈值用于边缘检测。默认值为100。
param2：第二个阈值用于确定圆心的累加器阈值。默认值为100。
minRadius：检测到的圆的最小半径。默认值为0。
maxRadius：检测到的圆的最大半径。默认值为0，表示没有限制。

        HoughCircles函数基于霍夫变换的原理，通过在参数空间中进行累加来寻找圆形轮廓。它会返回一个包含所有检测到的圆的矢量，每个圆由三个值表示：圆心坐标 (x, y) 和半径 r。

        使用HoughCircles函数时，可以根据具体需求调整参数，例如设置适当的阈值、最小距离和半径范围，以获得更准确的圆检测结果。

        5 用C++编写代码进行实现

        下面是使用OpenCV和C++实现圆检测的示例代码：

#include <opencv2/opencv.hpp>

int main()
{
    cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
    cv::GaussianBlur(image, image, cv::Size(5, 5), 2, 2); // 对图像进行高斯模糊

    std::vector<cv::Vec3f> circles;
    cv::HoughCircles(image, circles, cv::HOUGH_GRADIENT, 1, image.rows / 8, 200, 100, 0, 0);

    for (size_t i = 0; i < circles.size(); i++)
    {
        cv::Vec3i c = circles[i];
        cv::Point center = cv::Point(c[0], c[1]);
        int radius = c[2];

        // 在图像上绘制检测到的圆
        cv::circle(image, center, radius, cv::Scalar(0, 255, 0), 2);
    }

    cv::imshow("Circle Detection", image);
    cv::waitKey(0);

    return 0;
}