python OpenCV学习笔记（二十八）：Hough圆变换

官方文档 – https://docs.opencv.org/3.4.0/da/d53/tutorial_py_houghcircles.html

---

一个圆在数学上表示为，其中是圆心，r 是半径。从方程中可以看出，我们有3个参数，所以我们需要一个用于hough变换的3D累加器，这将是非常无效的。因此，OpenCV使用了更复杂的方法，Hough梯度法，该方法使用边缘的梯度信息。
使用函数cv.HoughCircles()
cv.HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]])
method：详见cv::HoughModes
dp：累加器分辨率与图像分辨率的逆比。例如，如果dp=1，则累加器与输入图像的分辨率相同。如果dp=2，这个累加器的宽度和高度是图像的一半。
minDist：探测到的圆的中心之间的最小距离。如果参数太小，除了真实的一个外，还可能错误地检测到多个相邻圆。如果它太大，可能会漏掉一些圆。
param1：第一个特定参数。如果是CV_HOUGH_GRADIENT的情况下，是传递给Canny边缘检测器中较高阈值的参数（低的参数小两倍）
param2：第二个特定参数。如果是CV_HOUGH_GRADIENT的情况下，它是检测阶段圆中心的累加器阈值。它越小，就会发现越多的假圆。与较大的累加器值相对应的圆，将首先返回。
minRadius：最小半径
maxRadius：最大半径

import numpy as np
import cv2 as cv

img = cv.imread('opencv-log-white.png', 0)
img = cv.medianBlur(img, 5)
cimg = cv.cvtColor(img, cv.COLOR_GRAY2BGR)

circles = cv.HoughCircles(img, cv.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)
circles = np.uint16(np.around(circles))
for i in circles[0, :]:
    # 画出输出的圆
    cv.circle(cimg, (i[0], i[1]), i[2], (0,255,0), 2)
    # 画出圆心
    cv.circle(cimg, (i[0], i[1]), 2, (0,0,255), 3)

cv.imshow('detected circles', cimg)
cv.waitKey(0)
cv.destroyAllWindows()