OpenCV关于HoughCircle函数以及Circle函数的使用

HoughCircle函数能够在一个图片上找到多个圆，十分容易使用，并且HoughCircle对噪声点不怎么敏感。OpenCV内的HoughCircles对基础的Hough变换找圆做了一定的优化来提高速度，它不再是在参数空间画出一个完整的圆来进行投票，而只是计算轮廓点处的梯度向量，然后根据搜索的半径r在该梯度方向距离轮廓点距离r的两边各投一点，最后根据投票结果图确定圆心位置。

 

HoughCircle函数在opencv4.5.2的定义：

def HoughCircles(image, method, dp, minDist, circles=..., param1=..., param2=..., minRadius=..., maxRadius=...) -> typing.Any:

不过一般情况下我们都是这样使用：

circle = cv2.HoughCircles(temp,cv2.HOUGH_GRADIENT,1,20,param1=50,param2=10,minRadius=0,maxRadius=800)

注意：在数据之前必须要加入“参数=”，不然会出现各种错误，不是无返回值就是直接报错

参数解释：

image：为输入图像，要求必须是灰度图像；

method:为使用霍夫变换圆检测的算法，Opencv只实现了2-1霍夫变换，它的参数是CV_HOUGH_GRADIENT；（一直都是如此）

dp:为第一阶段所使用的霍夫空间的分辨率，dp=1时表示霍夫空间与输入图像空间的大小 一致，dp=2时霍夫空间是输入图像空间的一半，以此类推；

minDist:为圆心之间的最小距离，如果检测到的两个圆心之间距离小于该值，则认为它们是同一个圆心；

circles:为输出圆向量，每个向量包括三个浮点型的元素——圆心横坐标，圆心纵坐标和圆半径（三维数组）；

注意：a , b, c = circle.shape（圆存在）（shape返回数组维数的个数的参数）

参数a代表着二维数组的个数，参数b代表着圆的数量，参数c代表着半径.

param1:有默认值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:有默认值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:有默认值0，圆半径的最小值

maxRadius:有默认值0，圆半径的最大值

我在一张图上画出圆的圆心和圆周，因此要用到circle函数，代码如下：

import numpy as np
import cv2 as cv

src = cv.imread('D:\pythonQt\openCV\\blackcircle.jpg', cv.IMREAD_COLOR)
img = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
img = cv.medianBlur(img, 5) #起到一定的过滤作用
cimg = src.copy()
# circles = cv.HoughCircles(img,cv.HOUGH_GRADIENT,1,20,param1=500,param2=100,minRadius=30,maxRadius=800)  #返回值为圆心坐标和半径构成的三维数组
circles = cv.HoughCircles(img, cv.HOUGH_GRADIENT, 1, 20, param1= 300,param2= 100,minRadius= 10, maxRadius= 800)
print(circles)
if circles is not None:
    circles = np.uint16(np.around(circles))#在使用之前需要经此转化
    a, b, c = circles.shape
    print(a)
    print(b)
    print(c)
    print(str(circles))
    for i in range(b):
        cv.circle(cimg, (circles[0][i][0], circles[0][i][1]), circles[0][i][2], (0, 0, 255), 3, cv.LINE_AA)
        cv.circle(cimg, (circles[0][i][0], circles[0][i][1]), 2, (0, 255, 0), 3,  
                    cv.LINE_AA)  # draw center of circle

    cv.imshow("circles", cimg)

cv.waitKey(0)

 

画圆Circle函数的使用

def circle(img, center, radius, color, thickness=..., lineType=..., shift=...) -> typing.Any:

 

img:为源图像指针

center:为画圆的圆心坐标

radius:为圆的半径

color:为设定圆的颜色，规则根据B（蓝）G（绿）R（红）

thickness:如果是正数，表示组成圆的线条的粗细程度。否则，表示圆是否被填充

lineType:线条的类型。默认是8

shift:圆心坐标点和半径值的小数点位数(虽然官方文章上是这样写的，但是实际使用时却改变了圆的位置)

注意：

1、传入参数中，center将表示为（列，行），而不是我们习惯上认为的（行，列），如果没有注意到这一点的话，绘制出来的图像中点的位置将不正确

2、在使用HoughCircles函数获得圆的三维数组后，还需要使用 circles = np.uint16(np.around(circles))转化，如果没有这一点就会出现以下错误：

Traceback (most recent call last):
  File "d:/pythonQt/openCV/test02.py", line 19, in <module>
    cv.circle(cimg, (circles[0][i][0], circles[0][i][1]), circles[0][i][2], (0, 0, 255), 3, cv.LINE_AA)
cv2.error: OpenCV(4.5.2) :-1: error: (-5:Bad argument) in function 'circle'
> Overload resolution failed:
>  - Can't parse 'center'. Sequence item with index 0 has a wrong type
>  - Can't parse 'center'. Sequence item with index 0 has a wrong type

然上述参数有着改变坐标点和半径值的小数点的参数，但是在实际使用时却无法实现，所以只能求得整型数据的圆心，存在一定误差。