识别图中所有圆，并拟合参数求得坐标和半径（霍夫梯度）

注意这一行代码需要自己定义识别圆的范围
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1.2, 0.1)

"""
 -*- coding: utf-8 -*-
 author： Hao Hu
 @date   2021/12/27 11:21 AM
"""
import numpy as np
import cv2
image = cv2.imread("four.png")
output = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1.2, 0.1)
# cv2.HoughCircles函数：
#
# cv2.HoughCircles(image, method, dp, minDist, circles, param1, param2, minRadius, maxRadius)
# 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，
# 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，
# 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
if circles is not None:
    circles = np.round(circles[0, :]).astype("int")

    for (x, y, r) in circles:
        cv2.circle(output, (x, y), r, (0, 255, 0), 4)
        cv2.rectangle(output, (x -2, y -2), (x +2, y +2), (0, 128, 255), -1)
        print('圆心坐标为',x,y,'圆的半径为',r)

cv2.imshow("output", np.hstack([image, output]))

cv2.waitKey(0)