houghcircle函数_openCV中houghcircle寻找圆的方法

hough变换寻找圆的基础知识就不说了，网上一大推，这里主要讲应用：

函数原型

#python

circles = HoughCircles( gray_image, cv2.cv.CV_HOUGH_GRADIENT, 1, src_gray.rows/8, 200, 100, 0, 0 )

函数原型：

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

参数列表：输入图像、检测用的方法、累加器图像的反比分辨率、允许的圆心之间的最小距离、Canny边缘函数的高阈值、圆心检测阈值、能检测到的最小圆半径、能检测到的最大圆半径；

第一个参数：image 8-bit的单通道灰度图；

lll

第二个参数：method 使用的方法，当前可以使用的方法只有CV_HOUGH_GRADENT，在cv2中写作cv2.cv.CV_HOUGH_GRADENT

第四个参数：dp 累加器分辨率到图像分辨率的反比例。例如：如果dp=1，累加器有着和输入图像一样的分辨率；如果dp=2，累加器有着输入图像的width和height一半的值；

第五个参数：minDist 介于检测到的圆的中心的最小距离。如果这个参数太小，在真的圆形周围会检测到很多假的圆。如果太大，一些圆会被miss掉

第六个参数：param1 canny边缘检测高阈值。当使用CV_HOUGH_GRADIENT，这个参数表示传递给canny检测器的高限阈值，(低限阈值是这个值的一半)。这个值越大检测圆边界时，要求的亮度梯度越大，一些灰灰的不明显的边界就会略去。

第七个参数：param2 圆心检测阈值，在CV_HOUGH_GRADIENT中，这个参数是在检测阶段中圆心的累加器阈值，这个值越小，越多假的圆会被检测到，(对应于越大的累加值，越先返回，也就是进行排序，累加值越大，说明圆的可能性越高)

后两个参数：允许检测到的圆的最大和最小半径