使用Python，OpenCV和Hough圓檢測(cè)圖像中的圓

• • 1. 效果圖
  • 2. cv2.HoughCircles(image, method, dp, minDist)
  • 3. 源碼
  • 參考

前幾篇博客中有介紹，使用OpenCV檢測(cè)圖形中的三角形、正方形、矩形，多邊形；這篇博客將展示如何利用cv2.HoughCircles函數(shù)使用OpenCV檢測(cè)圖像中的圓圈。

1. 效果圖

圓的檢測(cè)要比正方形、矩形的檢測(cè)要難，因?yàn)椴荒芎?jiǎn)單的根據(jù)輪廓的點(diǎn)數(shù)來確定圓；

簡(jiǎn)單圓的檢測(cè)

8個(gè)圓的檢測(cè)，設(shè)置minDist：像素100，檢測(cè)的亂七八糟

8個(gè)圓的檢測(cè)，設(shè)置minDist 像素75，發(fā)現(xiàn)有點(diǎn)問題，最大的圓并沒有檢測(cè)出來，因?yàn)樵O(shè)置的圓心之間的距離為75像素

2. cv2.HoughCircles(image, method, dp, minDist)

• image：8位單通道圖像。如果要處理彩色圖像，請(qǐng)先轉(zhuǎn)換為灰度。
• method：定義檢測(cè)圖像中圓圈的方法。當(dāng)前，唯一實(shí)現(xiàn)的方法是cv2.HOUGH_GRADIENT，
• dp：該參數(shù)是累加器分辨率與圖像分辨率的反比。本質(zhì)上，dp越大，累加器陣列越小。
• minDist：檢測(cè)到的圓的中心（x，y）坐標(biāo)之間的最小距離。如果minDist太小，則可能（錯(cuò)誤地）檢測(cè)到與原始對(duì)象相同鄰域中的多個(gè)圓圈。如果minDist太大，則可能根本檢測(cè)不到某些圓圈。
• param1：用于處理邊緣檢測(cè)的漸變值。
• param2：cv2.HOUGH_GRADIENT方法的累加器閾值。閾值越小，將檢測(cè)到更多的圓圈（包括假圓圈）。閾值越大，可能會(huì)返回更多的圈。
• minRadius：半徑的最小大小（以像素為單位）。
• maxRadius：半徑的最大大小（以像素為單位）。

在設(shè)置參數(shù)時(shí)，正確設(shè)置minDist參數(shù)非常的重要。沒有最佳的minDist值，檢測(cè)最終會(huì)漏掉某些圓圈○，也可能檢測(cè)到許多錯(cuò)誤的圓圈。

3. 源碼

# USAGE
#  python detect_circles.py --image images/simple.png# 導(dǎo)入必要的包
import argparseimport cv2
import numpy as np# 構(gòu)建命令行參數(shù)及解析
# --image 要檢測(cè)圓的圖像路徑
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True, help="Path to the image")
args = vars(ap.parse_args())# 加載圖像，復(fù)制到output，并轉(zhuǎn)換為灰度圖
image = cv2.imread(args["image"])
output = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 在圖像上檢測(cè)圓
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1.2, 100)# 確保有圓檢測(cè)到進(jìn)行后續(xù)操作
if circles is not None:# 將圓從浮點(diǎn)（x，y）坐標(biāo)轉(zhuǎn)換為整數(shù)，從而可以在輸出圖像上繪制圓。circles = np.round(circles[0, :]).astype("int")# 遍歷圓的中心點(diǎn)，及半徑for (x, y, r) in circles:# 在輸出圖像上繪制圓，并且在圓中心繪制一個(gè)矩形框cv2.circle(output, (x, y), r, (0, 255, 0), 4)cv2.rectangle(output, (x - 5, y - 5), (x + 5, y + 5), (0, 128, 255), -1)# 展示輸出圖像cv2.imshow("output", np.hstack([image, output]))cv2.waitKey(0)

參考

• https://www.pyimagesearch.com/2014/07/21/detecting-circles-images-using-opencv-hough-circles/

總結(jié)

以上是生活随笔為你收集整理的使用Python，OpenCV和Hough圆检测图像中的圆的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。