opencv27:霍夫圆变换

学习目标

在本章中，将学习

• 使用霍夫变换来查找图像中的圆
• 函数：cv2.HoughCircles()

理论

圆在数学上表示为$(x-x_{center}{)}^2+(y-y_{center}{)}^2=r^2$，其中$(x_{center},y_{center})$是圆的中心，r是圆的半径。从等式中，可以看到我们有3个参数，因此需要3D累加器进行霍夫变换，这是非常低效的。因此，OpenCV使用更加技巧性的方法，即使用边缘的梯度信息的Hough梯度方法。

OpenCv中实现的函数是cv2.HoughCircles()。它有很多参数。

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

• image： 8-bit灰度输入图
• circles：输出找到的圆. 3 or 4 element floating-point vector (x,y,radius) or (x,y,radius,votes) .
• method：检测方法 HOUGH_GRADIENT
• dp：检测内侧圆心的累加器图像的分辨率于输入图像之比的倒数, 如dp=1，累加器和输入图像具有相同的分辨率，如果dp=2，累计器便有输入图像一半那么大的宽度和高度.
• minDist： 表示两个圆之间圆心的最小距离.
• param1：默认值100，它是method设置的检测方法的对应的参数，对当前唯一的方法霍夫梯度法cv2.HOUGH_GRADIENT，它表示传递给canny边缘检测算子的高阈值，而低阈值为高阈值的一半
• param2：默认值100，它是method设置的检测方法的对应的参数，对当前唯一的方法霍夫梯度法cv2.HOUGH_GRADIENT，它表示在检测阶段圆心的累加器阈值，它越小，就越可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了
• minRadius：默认值0，圆半径的最小值
• maxRadius：默认值0，圆半径的最大值

例子：

import cv2
import numpy as np

img = cv2.imread('origin.png', 0)
img = cv2.medianBlur(img, 5)
cimg = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 10, param1=50, param2=30, minRadius=0, maxRadius=0)
# param2越小，能找到的圆更多，

circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    # draw the outer circle
    cv2.circle(cimg, (i[0],i[1]), i[2], (0,255,0), 2)
    # draw the center of the circle
    cv2.circle(cimg, (i[0], i[1]), 2, (0, 0, 255), 3)

cv2.imshow('circle', cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

附加资源

• https://docs.opencv.org/4.1.2/da/d53/tutorial_py_houghcircles.html
• https://docs.opencv.org/4.1.2/dd/d1a/group__imgproc__feature.html#ga47849c3be0d0406ad3ca45db65a25d2d
• https://www.cnblogs.com/jsxyhelu/p/13191015.html