OpenCV-Python(26)：Hough圆环变换

目标

• 学习使用霍夫变换在图像中找圆形或者圆环。
• 学习函数cv2.HoughCircles()。

原理

        圆形的数学公式为下，其中Xcenter,Ycenter，为圆心的坐标，r 为圆的半径。

从这个等式中我们可以看出一个圆环需要3个参数来确定。所以进行圆环霍夫变换的累加器必须是3 维的，这样的话效率就会很低。所以OpenCV 用来一个比较巧妙的办法霍夫梯度法，它可以使用边界的梯度信息。我们使用的函数为cv2.HoughCircles()。

函数介绍

        cv2.HoughCircles()函数是OpenCV中用于检测图像中的圆形轮廓的函数。它基于霍夫变换算法，可以在图像中找到指定半径范围内的圆。

函数的调用方式如下：

circles = cv2.HoughCircles(image, method, dp, minDist, param1, param2, minRadius, maxRadius)

其中，参数的含义如下：

• image: 输入图像，通常为灰度图像。
• method: 霍夫变换的检测方法，目前只支持cv2.HOUGH_GRADIENT。
• dp: 累加器图像的分辨率与输入图像的分辨率之比。通常为1。
• minDist: 检测到的圆之间的最小距离。如果设置为-1，则由函数自动计算。
• param1: 第一个方法特定的参数。对于cv2.HOUGH_GRADIENT方法，它是Canny边缘检测的高阈值。
• param2: 第二个方法特定的参数。对于cv2.HOUGH_GRADIENT方法，它是累加器阈值，值越小检测到的圆越多。
• minRadius: 最小圆半径。如果设置为0，则没有限制。
• maxRadius: 最大圆半径。如果设置为0，则没有限制。

函数返回一个包含检测到的圆信息的numpy数组。每个圆由一个三元组(x, y, r)表示，其中(x, y)是圆心坐标，r是圆半径。cv2.HoughCircles()函数可以用于检测图像中的圆形对象，例如硬币、眼球、圆形标志等。可以根据图像中圆的特征，调整函数的参数以获得更好的检测结果。

代码示例

import cv2
import numpy as np

img = cv2.imread('opencv_logo.png',0)
img = cv2.medianBlur(img,5)

cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)
circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,20,param1=50,param2=30,minRadius=0,maxRadius=0)
circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    # draw the outer circle
    cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)
    # draw the center of the circle
    cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)
cv2.imshow('detected circles',cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：