python opencv 识别圆角矩形_python下用OpenCV的圆形检测
一．简介：
初次使用python的你一定感受到了python的便捷。作为高级编程语言只需调用类库即可。
对于圆形物体识别问题，opencv提供了大量方法。
（代码文末附上）
二．检测步骤：
2.1读取图像
窗口1（初始图像未经过处理）
2.2降噪处理
利用降噪方法cv2.blur(img, (5,5))
其中两个参数为横向纵向的模糊程度，数值越大越模糊
这是5，5的模糊程度
这是20，20的模糊程度
这里我们用5，5效果测试下来最佳
2.3灰度化
灰度化常用于色彩丰富的图像，类似ps中的失色操作。
方法：cv2.cvtColor(result,cv2.COLOR_BGR2GRAY)
由于原图像就是黑白主色调，所以去色改变不大
2.4霍夫变化圆检测
之前的降噪和灰度化都是为了这一步的检测
方法如下：
cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,50,param1=80,param2=30,minRadius=15,maxRadius=20)
参数1 image：传递图像
参数2 method：默认，不用理解
参数3 dp：默认，不用理解
参数4 minDist：不同圆心的最小距离，单位为像素
参数5 涉及到Canny算法，这里的80为canny算法的上限，这里的canny算法下限自动设置为为上限一半，马上介绍canny算法
参数6 需要理解上面的参考文章，可以认为是需要达到的累加数量
参数7，8 为最小半径和最大半径，避免识别白色的圆圈
那么什么是canny算法呢？简单来说就是边缘检测算法
具体实现效果可以参考方法：cv2.Canny(img, 27, 54)，显示效果为
加大参数边缘就越少，我们用到的就是这种效果，即设置上限为80
cv2.Canny(img, 40, 80)
最终
circles=cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,50,param1=80,param2=30,minRadius=15,maxRadius=20)
会将所有识别的圆形参数（圆心位置，半径）保存到circles
可以认为是一个数组中
2.5标记
根据2.4获取的图像信息利用cv2.circle()方法进行圈画
大功告成，可以调整参数达到满意的效果。
三．附上代码
# -*- coding: utf-8 -*-
import cv2
#载入并显示图片
img=cv2.imread('1.jpg')
cv2.imshow('1',img)
#降噪（模糊处理用来减少瑕疵点）
result = cv2.blur(img, (5,5))
cv2.imshow('2',result)
#灰度化,就是去色（类似老式照片）
gray=cv2.cvtColor(result,cv2.COLOR_BGR2GRAY)
cv2.imshow('3',gray)
#param1的具体实现，用于边缘检测
canny = cv2.Canny(img, 40, 80)
cv2.imshow('4', canny)
#霍夫变换圆检测
circles= cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,50,param1=80,param2=30,minRadius=15,maxRadius=20)
#输出返回值，方便查看类型
print(circles)
#输出检测到圆的个数
print(len(circles[0]))
print('-------------我是条分割线-----------------')
#根据检测到圆的信息，画出每一个圆
for circle in circles[0]:
#圆的基本信息
print(circle[2])
#坐标行列(就是圆心)
x=int(circle[0])
y=int(circle[1])
#半径
r=int(circle[2])
#在原图用指定颜色圈出圆，参数设定为int所以圈画存在误差
img=cv2.circle(img,(x,y),r,(0,0,255),1,8,0)
#显示新图像
cv2.imshow('5',img)
#按任意键退出
cv2.waitKey(0)
cv2.destroyAllWindows()