OpenCv学习20——霍夫变换（圆检测）

最新推荐文章于 2022-10-22 16:06:02 发布

、。

最新推荐文章于 2022-10-22 16:06:02 发布

阅读量971

点赞数

分类专栏：数字图像处理文章标签： OpenCv学习霍夫变换

本文链接：https://blog.csdn.net/weixin_43534296/article/details/89408642

版权

数字图像处理专栏收录该内容

21 篇文章 1 订阅

订阅专栏

上一节中学习了霍夫变换的直线检测，本节则是学习霍夫变换的圆检测。
霍夫变换的圆检测的大致原理可以如图所示

即对于一副图像来说，我们认为其图像中的圆的半径大小已经确定，则我们对于图像中的每一个坐标点，我们以该点为圆心，以待求圆的半径为长度画圆，则最终几个圆之间可能会产生很多交点，我们选取相交点的数目最多的那个，即为待求圆的圆心。
OpenCv中霍夫变换圆检测的实现：
①因为霍夫圆检测对于噪声比较敏感，所以首先要对图像进行中值滤波
②基于效率考虑，OpenCv中实现的霍夫变换圆检测是基于图像梯度的实现，因此我们将其分为两部：
1.检测边缘，发现可能的圆心
2.基于第一步的基础上从候选圆心开始计算最佳半径的大小

用到的相关API:
```
CV_EXPORTS_W void HoughCircles( InputArray image,
							    OutputArray circles,
                                int method, 
                                double dp, 
                                double minDist,
                                double param1 = 100,
                                double param2 = 100,
                               int minRadius = 0, int maxRadius = 0 );
```
第一个参数为输入的图像
第二个参数为输出的参数，即检测到图像中圆的信息
第三个参数为检测的方法，我们采用HOUGH_GRADIENT的方法即霍夫梯度
第四个参数为尺度，dip=1，在原图上寻找即让其为1，在原图的一半寻找让其为2
第五个参数为最短距离，是用来区分两个圆的
第六个参数为利用Canny来求梯度的低阈值
第七个参数为中心点累加的阈值（即以每个像素点为中心画圆所相交的点的强度）
第八个参数为最小半径
第九个参数为最大半径

代码

#include "stdafx.h"
#include "iostream"
#include "opencv2\opencv.hpp"

using namespace std;
using namespace cv;


int main()
{
	Mat src, dst;
	src = imread("G:/He/opencv_images/hough_circle_transform.jpg");
	if (src.empty())
	{
		cout << "could not load the images.." << endl;
		return -1;
	}
	namedWindow("original_images", CV_WINDOW_AUTOSIZE);
	namedWindow("test_images", CV_WINDOW_AUTOSIZE);
	Mat middle_filter;
	medianBlur(src,middle_filter, 3);
	imshow("original_images", src);
	cvtColor(middle_filter, middle_filter, CV_BGR2GRAY);
	vector<Vec3f>pcircles;
	HoughCircles(middle_filter, pcircles, CV_HOUGH_GRADIENT, 1, 10, 100, 30, 0, 50);
	src.copyTo(dst);
	for (size_t i = 0; i < pcircles.size(); i++)
	{
		Vec3f cc = pcircles[i];
		circle(dst, Point(cc[0], cc[1]), cc[2], Scalar(255, 0, 0), 2, LINE_AA);
		circle(dst, Point(cc[0], cc[1]), 2, Scalar(198, 23, 155), 2, LINE_AA);
	}
	imshow("test_images", dst);
	waitKey(0);
	destroyAllWindows();
    return 0;
}