OpenCV中霍夫圓檢測

在直線檢測中，變換后在$r?\theta$空間內曲線交點，然后根據閾值來得到直線。在圓中需要有三個變量圓心坐標和半徑，因此變換后的空間在三維空間，根據三維空間中的曲線的交點得到圓。這就是標準的霍夫圓變換。但這個變換涉及到計算量過于巨大，所以很難實際應用。
在實際應用中常用的是:$霍夫梯度法$。算法的原理:圓心一定在圓上每個點的模向量上，這些圓上的點的模向量的交點就是圓心，霍夫梯度法的第一步便是找到這些圓心，第二部根據所有候選中心的的邊緣非零像素對其的支持程度來確定半徑。

感覺太墨跡了，說說個人理解，不一定正確，希望看到的大佬多多指正。霍夫梯度算法:先做邊緣檢測，然后利用邊緣像素的點模向量相交，發現可能的圓心，然后再根據有多少個邊緣像素的模向量交于圓心，從而得到最佳的半徑。

API:

HoughCircles(輸入圖像，8位單通道vector<Vec3f>變量，發現圓的信息(x，y，r)int method(CV_HOUGH_GRADIENT)dp，用來檢測圓心的累加器圖像的分辨率與輸入圖像之比的導數，如dp=2，累加器有輸入圖像一半的寬度和高度。mindist 最短距離-可以分辨是兩個圓的，否則認為時同心圓。太小相鄰的檢測成一個重合的圓，太大，有些就檢測不出來了。param1 傳遞給Canny的高閾值，低的為高閾值的一半。param2 中心累加器閾值-候選圓心，越小檢測到更多根本不存在的圓，越大能通過檢測的圓更加接近完美的圓形。int 最小半徑inti 最大半徑 );

下面是一個小的demo

#include "opencv2/opencv.hpp"using namespace cv; using namespace std;int main(int argc, char *argv[]) {Mat src,dst,temp;RNG rng((unsigned int)time(NULL));src = Mat::zeros(500,500,CV_8UC3);for(int i = 0;i < 5;i++)circle(src,Point(rng.uniform(100,400),rng.uniform(100,400)),rng.uniform(1,100),Scalar(255,255,255),-1);imshow("src",src);cvtColor(src,temp,CV_RGB2GRAY);GaussianBlur(temp,dst,Size(9,9),2,2);vector<Vec3f> circles;HoughCircles(dst,circles,CV_HOUGH_GRADIENT,1,30,200,50,0,0);cout << circles.size() << endl;for(size_t i = 0;i < circles.size();i++){cout << cvRound(circles[i][0]) << "," << cvRound(circles[i][1]) << endl;Point center(cvRound(circles[i][0]),cvRound(circles[i][1]));int radius = cvRound(circles[i][2]);circle(src,center,3,Scalar(0,255,0),-1);circle(src,center,radius,Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255)),3,8,0);}imshow("back",src);waitKey(0);return 0; }

總結

以上是生活随笔為你收集整理的OpenCV中霍夫圆检测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。