Opencv--霍夫圆变换

Hough Circle 变换

目标

• 使用OpenCV函数cv :: HoughCircles来检测图像中的圆。

理论

Hough Circle变换

• Hough Circle变换的工作原理与上一个教程中解释的Hough Line变换大致相似。
• 在行检测案例中，一行由两个参数(r,θ)。在圆圈中，我们需要三个参数来定义一个圆：

 (xcenter,ycenter)

定义中心位置（绿点），r是半径，这允许我们完全定义一个圆，如下所示：

• 为了实现效率，OpenCV实现了一个比标准霍夫变换（Hough Transform）稍微棘手的检测方法：霍夫梯度法，由两个主要阶段组成。第一阶段涉及边缘检测并找到可能的圆心，第二阶段为每个候选中心找到最佳的半径。有关更多详细信息，请查看学习OpenCV或您最喜欢的计算机视觉参考书

Code

• 这个程序是做什么的？

1. 加载图像并使其模糊，
2. 以减少噪音将Hough Circle变换应用于模糊图像。
3. 在窗口中显示检测到的圆。

//#include "opencv2/imgcodecs.hpp"
//#include "opencv2/highgui.hpp"
//#include "opencv2/imgproc.hpp"

#include 
#include 
#include 

using namespace cv;
using namespace std;
Mat src,tmp, cdst;
int main(int argc, char** argv) {
	src = imread("C:/usr/opencv-test/Testpictures/sight5.jpg");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
	char INPUT_TITLE[] = "input image";
	namedWindow(INPUT_TITLE, CV_WINDOW_AUTOSIZE);
	imshow(INPUT_TITLE, src);

	Mat src_gray;
	
	 //中值滤波
	medianBlur(src, tmp, 3);
	cvtColor(tmp, src_gray, CV_BGR2GRAY);  //转为灰度

	//霍夫圆变换
	vector circles;
	HoughCircles(src_gray, circles, HOUGH_GRADIENT, 1, 10, 100, 30, 120, 150);

	tmp.copyTo(cdst);
	for (size_t i = 0; i < circles.size(); i++)
	{
		Vec3f c = circles[i];
		circle(cdst, Point(c[0], c[1]), c[2], Scalar(0, 0, 255), 3, LINE_AA);
		circle(cdst, Point(c[0], c[1]), 2 , Scalar(0, 255, 0), 3, LINE_AA);
	}

	imshow("detected circles", cdst);

	waitKey(0);
	return 0;
}

 

说明

• 加载图像

• 将其转换为灰度：

• 应用中值模糊以减少噪音，避免假圈检测：

    medianBlur(src, tmp, 3);

继续应用Hough Circle变换：

有论据：

1. gray：输入图像（灰度）。
2. circles：存储套3个的值的矢量：为每个检测到的圆。xc,yc,r
3. HOUGH_GRADIENT：定义检测方法。目前这是OpenCV中唯一可用的。
4. dp = 1：分辨率的反比。
5. min_dist ：检测到的中心之间的最小距离。
6. param_1 = 200：内部Canny边缘检测器的上限阈值。
7. param_2 = 100 *：中心检测阈值。
8. min_radius = 0：要检测的最小半径。如果未知，则将零置为默认值。
9. max_radius = 0：要检测的最大半径。如果未知，则将零置为默认值。

• 绘制检测到的圆：

你可以看到，我们将用红色圆圈和中心绘制一个小绿点

• 显示检测到的圆，并等待用户退出程序：

结果

使用测试图像运行代码的结果如下所示：