利用opencv 中hough变换检测圆并画出圆心和半径

最新推荐文章于 2024-03-12 10:03:31 发布
最新推荐文章于 2024-03-12 10:03:31 发布
阅读量9.1k 收藏 16
点赞数
分类专栏： C/C++ Opencv学习 机器视觉与图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u012532672/article/details/15812003
版权
本文介绍如何通过OpenCV的Hough变换来检测图像中的圆，并展示了一个简单的程序，该程序可以找到圆心和半径。
摘要由CSDN通过智能技术生成

函数：
CvSeq *cvHoughCircles(CvArr *image,void *circle_storage,int method,double dp,double min_dist,double param1,double param2,int min_radius,int max_radius)

参数含义：

image:输入8bit（灰度）图像，其内容可被函数所改变
circle_storage:检测到的圆存储仓,可以是内存存储仓 (此种情况下，一个线段序列在存储仓中被创建，并且由函数返回）或者是包含圆参数的特殊类型的具有单行/单列的CV_32FC3型矩阵(CvMat*). 矩阵头为函数所修改，使得它的 cols/rows 将包含一组检测到的圆。如果 circle_storage 是矩阵，而实际圆的数目超过矩阵尺寸，那么最大可能数目的圆被返回,每个圆由三个浮点数表示：圆心坐标(x,y)和半径.).
method:Hough 变换方式，目前只支持CV_HOUGH_GRADIENT, which is basically 21HT, described in [Yuen03].
dp:寻找圆弧圆心的累计分辨率，这个参数允许创建一个比输入图像分辨率低的累加器。（这样做是因为有理由认为图像中存在的圆会自然降低到与图像宽高相同数量的范畴）。如果dp设置为1，则分辨率是相同的；如果设置为更大的值
最低0.47元/天 解锁文章
梦想天空1
关注
  • 0
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
FFT快速傅里叶变换的python实现过程解析
01-03
FFT是DFT的高效算法，能够将时域信号转化到频域上，下面记录下一段用python实现的FFT代码。 # encoding=utf-8 import numpy as np import pylab as pl # 导入和matplotlib同时安装的作图库pylab sampling_rate = 8000 # 采样频率8000Hz fft_size = 512 # 采样点512，就是说以8000Hz的速度采512个点，我们获得的数据只有这512个点的对应时刻和此时的信号值。 t = np.linspace(0, 1, sampling_rate) # 截取一段时间，截取是任意的，这里
Python 傅里叶变换 Fourier Transform
flyfish
03-10 4525
一图胜千言Fast Fourier Transform (FFT) 快速傅里叶变换快速傅里叶逆变换。
Python——快速傅里叶变换
Thattear的博客
07-02 7076
1.题目 给出时域函数,对其采样获得采样数据，并画出对应的x-t曲线；然后对上述采样数据进行傅里叶变换，画出频谱图。运行该程序，需要从键盘输入N中的r值，该程序可以接受的值为5-10的整数。2.算法及分析 一般地来说，若具有N个采样点，第L层节点的值为： 在处理该问题的时候，我们要确定的指数值。对于节点,其p值的可以按照下列方式确定。首先将n用r位二进制形式表示出来，再将改二进制右移r-l位，左边空位补零；然后在将码序倒置，最后再将改二进制写出十进制形式，就确定p值。 而上式中涉及
霍夫变换的python原理讲解
xifenglie123321的博客
05-21 687
在霍夫变换中，直线的参数表示为极坐标系下的两个参数：ρ（rho）和θ（theta）。ρ表示直线到原点的距离，θ表示直线与x轴的夹角。对于每个图像中的边缘点，我们可以计算出它们到所有可能直线的ρ和θ值，然后在参数空间中进行累加。最终，参数空间中的峰值对应的ρ和θ值就是图像中的直线参数。它的基本思想是将图像中的每个像素点转换为参数空间中的一个点，然后在参数空间中寻找形状对应的峰值，从而得到形状的参数。函数的参数包括图像、ρ和θ的取值范围以及阈值。最后，我们在原图上绘制检测到的直线。
傅里叶变换通俗理解，附python代码
qq_41816368的博客
07-08 2025
频率为100和频率为2000对应的幅值约为2和5，即待拟合函数中，主要成分就是频率100和2000的基函数，这两个基函数系数分别为2和5。这三个向量两两相互正交（内积为0，相互垂直），同理，三维空间坐标系内任何一个向量都可以看作是这三个单位向量的线性组合。这两个单位向量，正交（内积为0，相互垂直），平面坐标系内任意一个向量，都可以用这两个单位向量来表示。区间内，任意两个都正交，因此三角函数是一组正交基。待拟合目标函数就可以三角函数正交基的线性组合。不仅向量可以作为正交基，函数同样可以作为正交基。
hough变换源码（直线&圆）.zip_hough 圆 opencv_hough变换_直线提取
09-21
总的来说，这个压缩包中的源代码为我们提供了理解OpenCV如何实现Hough变换检测直线和圆的实例。通过阅读和理解这些代码，我们可以深入学习图像处理中的曲线检测技术，并且能够应用到实际项目中，比如自动车辆检测、...
mac Xcode 利用opencv霍夫变换检测圆 硬币 半径
10-17
在本文中，我们将深入探讨如何在Mac上使用Xcode 10.0和OpenCV库进行图像处理，特别是利用霍夫变换（Hough Transform）来检测圆形物体，如硬币，并计算其半径。首先，我们需要理解霍夫变换的基本原理，这是一种在图像...
详解利用python+opencv识别图片中的圆形（霍夫变换）
09-19
本文详细介绍了如何利用Python和OpenCV实现基于霍夫变换的圆形检测，并对各个参数进行了详细的解释。通过对这些参数的调整，可以有效地提升检测精度和性能。此外，通过示例代码展示了整个检测流程，帮助读者更好地...
OpenCV 利用Hough变换在灰度图像中找到圆形的物体 源码
07-16
Hough变换通过创建参数空间（在圆形检测中，通常是半径和中心坐标）来映射原始图像中的像素点，寻找满足特定形状（如圆）的参数集合。在参数空间中，如果一个点在足够多的参数曲线交点上，那么在原始图像中对应的...
Java+opencv3.2.0实现hough圆检测功能
08-28
接着，我们使用Imgproc.HoughCircles函数来检测圆形目标，并将检测到的圆心坐标和半径信息存储在circles矩阵中。最后，我们使用Imgproc.circle函数来绘制圆形目标，并将结果图像保存到硬盘上。 霍夫圆检测算法在...
一文带你了解python opencv中霍夫变换(Hough transform)的常用操作
LLLYLL的博客
03-29 8220
本文介绍了python opencv(cv2)中的霍夫变换(hough transform)常用操作，并结合具体应用案例进行讲解
霍夫变换理论知识及其python代码实例
babyai996的博客
05-21 800
霍夫变换是一种用来检测图像中给定形状的曲线的方法，最初是用来检测直线的，后来也扩展到圆等曲线。它的基本原理是将图像空间中的点映射到极坐标空间中的曲线，然后在极坐标空间中寻找曲线的交点，从而得到图像空间中的直线方程。
python实现快速傅里叶变换（FFT）
weixin_44781333的博客
10-01 4921
python实现快速傅里叶变换（FFT） 1、利用矩阵乘（速度慢） 2、利用向量乘（速度快）
傅里叶变换及应用python版(2)
01-16 3629
关于傅里叶变换，在有些学校是一门专门的课程，而且有一些前置的课程要求，比如线性代数、微积分、微分方程、复变函数，还需要一点信号处理的知识。还有很多细节可以深入挖掘，一篇文章里不可能整理出所有的知识。这两篇文章的意义，是让初学者、非相关行业从业者，可以快速的了解傅里叶变换的原理，能看懂信号频谱的意义，能上手简单的图像频域处理。后续如果你还想深入理解，你需要系统的学习信号处理的课程。
傅里叶变换算法和Python代码实现
最新发布
deephub
03-12 5103
最后，如果你对机器学习的基础计算和算法比较感兴趣，可以多多关注Numpy和SK-learn的文档（还有scipy但是这个更复杂），这两个库不仅有很多方法的实现，还有这些方法的详细解释，这对于我们学习是非常有帮助的。在 n 个不同且均匀间隔的点 xₘ = x₀ + m Δx 处对 x 进行采样，其中 m 的范围从 0 到 n-1，x₀ 是任意选择的最左侧点。这些积分进行数值计算是可行的，但通常是棘手的——特别是在更高维度上。例如本文的一些数学的公式和概念就是来自于Numpy的文档，有兴趣的可以直接看看。
信号处理 - 快速傅里叶变换(FFT) - python代码讲解
m0_54866636的博客
06-21 9302
注：该文适合在jupyter notebook编辑器上演示FT、DFT、FFT的关系： 傅里叶变换(FT)是针对连续信号的，不适用于离散信号。而实际测得的信号（如振动、电流等）都是不连续即离散的，这个时候离散傅里叶变换（DFT）出现了，用来针对离散信号的做傅里叶变换。但是DFT从数学上计算是可行的，但给计算机计算，比较复杂，因此J.W.库利和T.W.图基提出了快速傅里叶变换 (FFT), 其目的是利用计算机来高效、快速计算离散傅里叶变换。周期性信号，平稳信号(简单可理解其频率不随时间变化)先产生一段正弦信号
Python图像处理笔记——傅里叶变换
霜晨月的博客
07-02 7657
傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。
机器视觉：霍夫变换-理论与python实现
m0_50294896的博客
10-31 3638
目录前言霍夫变换—直线原理实现方法python实现 前言 这学期在学习机器视觉，课上讲到了霍夫变换，霍夫变换在图像处理和CV中很常用，借此十一假期仔细了解一下。 霍夫变换用来检测给定形状的曲线，其最开始是用来检测图像中的直线的，但经发展也可检测到圆等曲线。在目标检测中，如果不知图像中目标的位置而知道其轮廓的曲线方程，则可用霍夫变换进行检测。 霍夫变换—直线原理 在平面O-xy中，直线方程的基本形式为：y=ux+v。其中，u和v分别是直线的斜率和截距。对于一条确定的直线y=ux+v，它唯一地对应于平面O-uv
python_傅里叶变换（DFT、FFT、STFT）
热门推荐
qq_34229228的博客
03-11 1万+
文章目录一、傅里叶变换1、傅里叶变换基础2、傅里叶变换形式规律3、一些关键概念3、python 实现傅里叶变换二、短时傅里叶变换（STFT） 一、傅里叶变换 1、傅里叶变换基础 参考：深入浅出的讲解傅里叶变换 傅里叶变换：一段信号可以由若干频率不同的正弦信号叠加构成，DFT将将信号从时域变换到频域 用途： 滤波：从一个时域图里剔除组成它的某个频域成分很不容易；但是从频域图里剔除这个成分很容易 求解微分方程 故障诊断：健康的设备的时域曲线图是相似的，异常设备的是不同的，但这一点在时域图种不易被发现，转换到频
opencv基于python实现Hough圆检测 检测出圆心和半径
05-14
使用 OpenCV 实现 Hough 圆检测可以通过以下步骤实现： 1. 导入必要的库和图像。 ```python import cv2 import numpy as np # 加载图像 img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE) ``` 2. 对图像进行预处理。 ```python # 高斯模糊 img = cv2.GaussianBlur(img, (5, 5), 0) # Canny 边缘检测 edges = cv2.Canny(img, 100, 200) ``` 3. 运行 Hough 圆检测算法。 ```python # 运行 Hough 圆检测算法 circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0) # 将圆心和半径转换为整数 circles = np.uint16(np.around(circles)) ``` 其中，参数解释如下： - `edges`：边缘检测后的图像。 - `cv2.HOUGH_GRADIENT`：使用梯度法检测圆形。 - `1`：表示检测图像的分辨率。 - `20`：表示两个圆之间的最小距离。 - `param1=50`：表示 Canny 边缘检测的高阈值。 - `param2=30`：表示圆心的累加器阈值。 - `minRadius=0`：表示圆的最小半径。 - `maxRadius=0`：表示圆的最大半径。 4. 在图像上绘制检测到的圆。 ```python # 绘制检测到的圆 for i in circles[0, :]: # 绘制圆 cv2.circle(img, (i[0], i[1]), i[2], (0, 255, 0), 2) # 绘制圆心 cv2.circle(img, (i[0], i[1]), 2, (0, 0, 255), 3) # 显示图像 cv2.imshow('Hough Circles', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 其中，`circles[0, :]` 存储检测到的所有圆的参数，包括圆心坐标和半径。在绘制圆时，`cv2.circle()` 函数的参数解释如下： - `(i[0], i[1])`：圆心坐标。 - `i[2]`：圆的半径。 - `(0, 255, 0)`：圆的颜色。 - `2`：圆的线宽。 - `(0, 0, 255)`：圆心的颜色。 - `3`：圆心的大小。 完整代码如下： ```python import cv2 import numpy as np # 加载图像 img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE) # 高斯模糊 img = cv2.GaussianBlur(img, (5, 5), 0) # Canny 边缘检测 edges = cv2.Canny(img, 100, 200) # 运行 Hough 圆检测算法 circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0) # 将圆心和半径转换为整数 circles = np.uint16(np.around(circles)) # 绘制检测到的圆 for i in circles[0, :]: # 绘制圆 cv2.circle(img, (i[0], i[1]), i[2], (0, 255, 0), 2) # 绘制圆心 cv2.circle(img, (i[0], i[1]), 2, (0, 0, 255), 3) # 显示图像 cv2.imshow('Hough Circles', img) cv2.waitKey(0) cv2.destroyAllWindows() ```
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值