1，圓檢測(cè)基本原理
對(duì)霍夫變換有了這樣一種理解-----實(shí)際上就是坐標(biāo)變換，是一種數(shù)學(xué)上的變換，然后再轉(zhuǎn)換到參數(shù)坐標(biāo)系進(jìn)行討論，最終確定待檢測(cè)圓（或者其他形狀）的數(shù)學(xué)方程。在極坐標(biāo)系下，圓的數(shù)學(xué)表達(dá)式如下：
類似于霍夫變換直線檢測(cè)，這里我們也定義一個(gè)累加器，但是與直線檢測(cè)不同的是，直線檢測(cè)參數(shù)是二維的，而圓的參數(shù)是三維的。如果一個(gè)圓上的點(diǎn)，都沿著其梯度方向畫線，那么所有線的角點(diǎn)就是圓心。OpenCV中的霍夫梯度算法就利用這個(gè)原理，先計(jì)算可能的圓心，然后再去計(jì)算可能的半徑。

霍夫梯度檢測(cè)圓形的算法如下：
I、估計(jì)圓心
（1）把原圖做一次Canny邊緣檢測(cè)，得到邊緣檢測(cè)的二值圖
（2） 對(duì)原始圖像執(zhí)行一次Sobel算子，計(jì)算出所有像素的鄰域梯度值
（3）初始化圓心空間N(a,b)，令所有的N(a,b)=0
（4）遍歷Canny邊緣二值圖中的所有非零像素點(diǎn)，沿著梯度方向畫線，將線段經(jīng)過(guò)的所有累加器中的點(diǎn)(a,b)的N(a,b)+=1
（5）統(tǒng)計(jì)排序N(a,b)，得到可能的圓心
II、估計(jì)半徑（針對(duì)某一個(gè)圓心a,b）
（1）計(jì)算Canny圖中所有非0點(diǎn)距離圓心的距離
（2）距離從小到大排序，根據(jù)閾值，選取合適的可能半徑（比如3和3.5都被劃為半徑值3中）
（3）初始化半徑空間r,N（r）=0
（4）遍歷Canny圖中的非0點(diǎn)，對(duì)于點(diǎn)所滿足的半徑r，N?+=1
（5）統(tǒng)計(jì)得到可能的半徑值

利用霍夫變換檢測(cè)其他圖形的原理也是這樣。找出表達(dá)式以及參數(shù)空間，遍歷圖像，找出參數(shù)空間中符合要求的參數(shù)。
2，源代碼示例：

import cv2 as cv
import numpy as npdef detect_circles_demo(image):dst = cv.pyrMeanShiftFiltering(image, 10, 100) #均值遷移，EPT邊緣保留濾波,霍夫噪聲敏感，所以要先消除噪聲cimage = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)circles = cv.HoughCircles(cimage, cv.HOUGH_GRADIENT, 1, 20, param1=60, param2=28, minRadius=0, maxRadius=0)"""HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None)
1.image:輸入圖像 (灰度圖)2.method:指定檢測(cè)方法. 現(xiàn)在OpenCV中只有霍夫梯度法，加快速度3.dp:累加器圖像的反比分辨=1，默認(rèn)即可4.minDist = 檢測(cè)到圓心之間的最小距離，這是一個(gè)經(jīng)驗(yàn)值。這個(gè)大了，那么多個(gè)圓就是被認(rèn)為一個(gè)圓。5.param_1 = 50: Canny邊緣函數(shù)的高閾值6.param_2 = 30: 圓心檢測(cè)閾值.根據(jù)你的圖像中的圓大小設(shè)置，當(dāng)這張圖片中的圓越小，那么此值就設(shè)置應(yīng)該被設(shè)置越小。當(dāng)設(shè)置的越小，那么檢測(cè)出的圓越多，在檢測(cè)較大的圓時(shí)則會(huì)產(chǎn)生很多噪聲。所以要根據(jù)檢測(cè)圓的大小變化。7.min_radius = 0: 能檢測(cè)到的最小圓半徑, 默認(rèn)為0.8.max_radius = 0: 能檢測(cè)到的最大圓半徑, 默認(rèn)為0"""circles = np.uint16(np.around(circles)) #around對(duì)數(shù)據(jù)四舍五入，轉(zhuǎn)化為整數(shù)for i in circles[0, :]:cv.circle(image, (i[0], i[1]), i[2], (0, 0, 255), 2)  #畫圓cv.circle(image, (i[0], i[1]), 2, (255, 0, 0), 2)  #標(biāo)記中心cv.imshow("circles", image)src = cv.imread("F:/images/coins.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
detect_circles_demo(src)
cv.waitKey(0)cv.destroyAllWindows()

運(yùn)行結(jié)果：

總結(jié)

以上是生活随笔為你收集整理的OpenCV+python：圆检测的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)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。