Opencv学习笔记(十九)霍夫圆检测

文章目录

霍夫圆检测

cv2.HoughCircles(image, method, dp, minDist, param1, param2, minRadius, maxRadius)
image: 输入图像(二值图像或减员检测后的图像)
method: 检测方法
minDist: 检测到圆心之间的最小距离
circles: 返回结果 (x,y,r)
param1: canny边缘函数的高阈值
param2: 圆心检测阈值
minRadius: 能检测到的最小圆半径
maxRadius: 能检测到的最大圆半径
函数返回值 circles: 返回结果 (x,y,r)

代码

import cv2
import numpy as np
img = cv2.imread('F:\coin.jpg')
img = cv2.medianBlur(img,5)
edges = cv2.Canny(img, 50 ,150)
cv2.imshow('Canny',edges)
# 圆检测
circles = cv2.HoughCircles(edges,cv2.HOUGH_GRADIENT,1,20,
param1=50,param2=30,minRadius=10,maxRadius=100)
circles = np.uint16(np.around(circles))
print(circles)
for i in circles[0, :]:
# draw the outer circle
    cv2.circle(img,(i[0],i[1]),i[2],(0,255,0),2)
# draw the center of the circle
    cv2.circle(img,(i[0],i[1]),2,(0,0,255),-1)
cv2.imshow('circles',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果显示(效果不是很好)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,下面我给您讲解一下: 1. 相机标定:通过拍摄不同姿态的标定板,使用OpenCV中的calibrateCamera函数来计算相机的内参矩阵和畸变参数,从而实现相机标定。 2. 畸变矫正:通过相机标定得到的内参矩阵和畸变参数,使用OpenCV中的undistort函数来对图像进行畸变矫正,从而得到更加准确的图像。 3. 霍夫圆检测:使用OpenCV中的HoughCircles函数进行霍夫圆检测,该函数会返回检测到的圆形的圆心坐标和半径。 具体实现过程可以参考以下代码: ```python import cv2 import numpy as np # 相机标定 criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) objp = np.zeros((6*7, 3), np.float32) objp[:, :2] = np.mgrid[0:7, 0:6].T.reshape(-1, 2) objpoints = [] imgpoints = [] images = glob.glob('calib/*.png') for fname in images: img = cv2.imread(fname) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, corners = cv2.findChessboardCorners(gray, (7, 6), None) if ret == True: objpoints.append(objp) corners2 = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria) imgpoints.append(corners2) img = cv2.drawChessboardCorners(img, (7, 6), corners2, ret) cv2.imshow('img', img) cv2.waitKey(500) cv2.destroyAllWindows() ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None) # 畸变矫正 img = cv2.imread('test.png') h, w = img.shape[:2] newcameramtx, roi = cv2.getOptimalNewCameraMatrix(mtx, dist, (w, h), 1, (w, h)) dst = cv2.undistort(img, mtx, dist, None, newcameramtx) # 霍夫圆检测 gray = cv2.cvtColor(dst, cv2.COLOR_BGR2GRAY) circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, dp=1, minDist=100, param1=50, param2=30, minRadius=0, maxRadius=0) circles = np.uint16(np.around(circles)) for i in circles[0, :]: cv2.circle(dst, (i[0], i[1]), i[2], (0, 255, 0), 2) cv2.circle(dst, (i[0], i[1]), 2, (0, 0, 255), 3) cv2.imshow('result', dst) cv2.waitKey(0) cv2.destroyAllWindows() ``` 以上代码中,calib文件夹中存放的是标定板的图片,test.png是待检测的圆形图片。运行代码后,会弹出标定板图片,需要手动选择标定板的角点,然后程序会自动计算相机内参矩阵和畸变参数。接着会输出畸变矫正后的图片,并在图片中检测圆形并标记出来。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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