opencv学习-霍夫变换-圆检测

一、霍夫变换-圆检测

圆检测对噪声比较敏感，所以首先要对图像进行均值滤波
基于效率考虑，opencv中实现霍夫变换圆检测的步骤：
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大小。

二、API-HoughCircles

霍夫变换圆检测的函数原型如下：

void HoughCircles(image， circles, method, dp, minDist, param1 = 100,param2 = 100, minRadius = 0, maxRadius = 0)

例如：HoughCircles(gray_src, pcircles, HOUGH_GRADIENT, 1, 10, 100, 30, 5, 50);

1.InputArray类型的image，输入图像，即源图像，需为8位的灰度单通道图像。

2.InputArray类型的circles，经过调用HoughCircles函数后此参数存储了检测到的圆的输出矢量，每个矢量由包含了3个元素的浮点矢量(x,> y, radius)表示。

3.int类型的method，即使用的检测方法，目前OpenCV中就霍夫梯度法一种可以使用，它的标识符为CV_HOUGH_GRADIENT，在此参数处填这个标识符即可。

4.double类型的dp，用来检测圆心的累加器图像的分辨率于输入图像之比的倒数，且此参数允许创建一个比输入图像分辨率低的累加器。上述文字不好理解的话，来看例子吧。例如，如果dp= 1时，累加器和输入图像具有相同的分辨率。如果dp=2，累加器便有输入图像一半那么大的宽度和高度。

5.double类型的minDist，为霍夫变换检测到的两个圆心之间的最小距离，即让我们的算法能明显区分的两个不同圆之间的最小距离。这个参数如果太小的话，多个相邻的圆可能被错误地检测成了一个重合的圆。反之，这个参数设置太大的话，某些圆就不能被检测出来了。

6.double类型的param1，有默认值100。它是第三个参数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CV_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。

7.double类型的param2，也有默认值100。它是第三个参数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CV_HOUGH_GRADIENT，它表示在检测阶段圆心的累加器阈值。它越小的话，就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。

8.int类型的minRadius,有默认值0，表示圆半径的最小值。

9.int类型的maxRadius,也有默认值0，表示圆半径的最大值。

需要注意的是，使用此函数可以很容易地检测出圆的圆心，但是它可能找不到合适的圆半径

三、全部代码

#include 
#include 
using namespace std;
using namespace cv;

//测试使用OpenCV自带的HoughLineP提取图像边缘
Mat src, mid_src, gray_src, dst;
int min_threshold = 20;
int max_range = 255;
char gray_window[] = "gray_window";
char Hough_result[] = "Hough_result";

int main(int argc, char** argv) {

	//Step1 读取图片
	src = imread("D:/images/zhifang_ball.png"); //注意斜线方向
	if (src.empty()) {
		cout << "Could not load the image ...." << endl;
		return -1;
	}
	imshow("input_image", src);

	//Step2 由于霍夫圆检测对噪声比较敏感，所以需要使用中值滤波/高斯滤波等方法，处理图片
	medianBlur(src, mid_src, 3);
	imshow("中值滤波", mid_src);

	//Step3 将中值滤波之后的图片转化为灰度图
	cvtColor(mid_src, gray_src, COLOR_BGR2GRAY);
	imshow("灰度化", gray_src);

	//Step4 使用霍夫圆检测
	vector<Vec3f> pcircles;  //创建一个vector，存放圆的信息（[0] [1]圆心坐标，[2] 半径）
	HoughCircles(gray_src, pcircles, HOUGH_GRADIENT, 1, 10, 100, 30, 5, 50);   //(输入，输出，检测方式，圆的限制条件)

	//Step5 将圆显示在原图上
	src.copyTo(dst);//将原图拷贝给dst
	for (size_t i = 0; i<pcircles.size(); i++) {
		Vec3f cc = pcircles[i];
		circle(dst, Point(cc[0], cc[1]), cc[2], Scalar(0, 0, 255), 2, LINE_AA);   //绘制圆(图片名，圆心位置，半径，颜色，边长)
		circle(dst, Point(cc[0], cc[1]), 2, Scalar(255, 0, 0), 2, LINE_AA);       //绘制圆心
	}
	imshow("Circle_image", dst);
	waitKey(0);
	return 0;
}

四、简化代码

#include 
#include 
using namespace std;
using namespace cv;

//测试使用OpenCV自带的HoughLineP提取图像边缘
Mat src, mid_src, gray_src, dst;
int min_threshold = 20;
int max_range = 255;
char gray_window[] = "gray_window";
char Hough_result[] = "Hough_result";

int main(int argc, char** argv) {

	//Step1 读取图片
	src = imread("D:/images/zhifang_ball.png"); //注意斜线方向
	if (src.empty()) {
		cout << "Could not load the image ...." << endl;
		return -1;
	}
	imshow("input_image", src);

	//Step2 由于霍夫圆检测对噪声比较敏感，所以需要使用中值滤波/高斯滤波等方法，处理图片
	medianBlur(src, mid_src, 3);
	imshow("中值滤波", mid_src);

	//Step3 将中值滤波之后的图片转化为灰度图
	cvtColor(mid_src, gray_src, COLOR_BGR2GRAY);
	imshow("灰度化", gray_src);

	//Step4 使用霍夫圆检测
	vector<Vec3f> pcircles;  //创建一个vector，存放圆的信息（[0] [1]圆心坐标，[2] 半径）
	HoughCircles(gray_src, pcircles, HOUGH_GRADIENT, 1, 10, 100, 30, 5, 50);   //(输入，输出，检测方式，圆的限制条件)
	
	//Step5 绘制圆并显示在原图上			
	for (size_t i = 0; i<pcircles.size(); i++) {
		Vec3f cc = pcircles[i];
		circle(src, Point(cc[0], cc[1]), cc[2], Scalar(0, 0, 255), 2, LINE_AA);   //绘制圆(图片名，圆心位置，半径，颜色，边长)
		circle(src, Point(cc[0], cc[1]), 2, Scalar(255, 0, 0), 2, LINE_AA);       //绘制圆心
	}
	imshow("Circle_image", src);
	waitKey(0);
	return 0;
}

五、效果显示