更多有趣的代码示例，可参考【Programming】
1、功能描述
2、代码实现
载入必要的库
import sys
import cv2 as cv
import numpy as np
函数入口
if __name__ == "__main__":
main(sys.argv[1:])
读取图片，判断图片读取是否成功
default_file = '1.jpg'
filename = argv[0] if len(argv) > 0 else default_file
# Loads an image
src = cv.imread(cv.samples.findFile(filename), cv.IMREAD_COLOR)
# Check if image is loaded fine
if src is None:
print('Error opening image!')
print('Usage: hough_circle.py [image_name -- default ' + default_file + '] \n')
return -1
输入图片转成灰度图
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
cv.imwrite("gray.jpg", gray)
灰度图片进行平滑滤波
gray = cv.medianBlur(gray, 5)
cv.imwrite("medianBlur.jpg", gray)
配置好算法需要的参数
rows = gray.shape[0]
print(rows)
output
202
调用圆形检测算法
circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,
param1=100, param2=30,
minRadius=30, maxRadius=100)
根据预测的结果绘制出来圆形，包含圆心和圆
if circles is not None:
circles = np.uint16(np.around(circles))
for i in circles[0, :]:
center = (i[0], i[1])
# circle center
cv.circle(src, center, 1, (0, 100, 100), 3)
# circle outline
radius = i[2]
cv.circle(src, center, radius, (255, 0, 255), 3)
保存结果，可视化结果，退出窗口，退出主函数
cv.imwrite("circles.jpg", src)
cv.imshow("detected circles", src)
cv.waitKey(0)
return 0
3、效果展示
circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,
param1=150, param2=30,
minRadius=70, maxRadius=200)
输入图片
平滑后
检测结果
circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,
param1=150, param2=50,
minRadius=25, maxRadius=100)
输入图片
平滑后
结果
circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,
param1=70, param2=30,
minRadius=20, maxRadius=100)
输入图片
灰度图平滑
检测结果
circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,
param1=70, param2=45,
minRadius=110, maxRadius=200)
输入图片
灰度平滑后
检测结果
circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,
param1=70, param2=40,
minRadius=20, maxRadius=100)
输入图片
灰度平滑后
检测结果
circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,
param1=70, param2=40,
minRadius=20, maxRadius=70)
输入图片
灰度平滑后
检测结果
circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,
param1=100, param2=35,
minRadius=20, maxRadius=70)
输入图片
灰度滤波后
检测结果
4、完整代码
import sys
import cv2 as cv
import numpy as np
def main(argv):
default_file = '1.jpg'
filename = argv[0] if len(argv) > 0 else default_file
# Loads an image
src = cv.imread(cv.samples.findFile(filename), cv.IMREAD_COLOR)
# Check if image is loaded fine
if src is None:
print('Error opening image!')
print('Usage: hough_circle.py [image_name -- default ' + default_file + '] \n')
return -1
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
cv.imwrite("gray.jpg", gray)
gray = cv.medianBlur(gray, 5)
cv.imwrite("medianBlur.jpg", gray)
rows = gray.shape[0]
print(rows)
circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,
param1=100, param2=30,
minRadius=30, maxRadius=100)
if circles is not None:
circles = np.uint16(np.around(circles))
for i in circles[0, :]:
center = (i[0], i[1])
# circle center
cv.circle(src, center, 1, (0, 100, 100), 3)
# circle outline
radius = i[2]
cv.circle(src, center, radius, (255, 0, 255), 3)
cv.imwrite("circles.jpg", src)
cv.imshow("detected circles", src)
cv.waitKey(0)
return 0
if __name__ == "__main__":
main(sys.argv[1:])
5、涉及到的库函数
cv2.HoughCircles 是 OpenCV 库中的一个函数，用于在图像中检测圆形的存在。它基于霍夫变换的圆检测算法，可以在给定的图像中检测并返回所有检测到的圆的信息，如圆的中心坐标和半径。
circles = cv2.HoughCircles(image, method, dp, minDist, param1, param2, minRadius, maxRadius)
image：输入的单通道灰度图像。函数将在该图像中进行圆检测。
method：霍夫变换的检测方法。常用的有
cv2.HOUGH_GRADIENT和cv2.HOUGH_GRADIENT_ALT。cv2.HOUGH_GRADIENT_ALT是cv2.HOUGH_GRADIENT的改进方法。dp：图像分辨率与累加器分辨率的比值。例如，dp=1时，累加器和输入图像有相同的分辨率；dp=2时，累加器是输入图像一半大的宽高。
minDist：检测到的圆的中心之间的最小距离。如果设置得太小，可能会检测到多个相邻的圆；如果设置得太大，可能会漏掉一些圆。
param1：Canny边缘检测的高阈值。对于
cv2.HOUGH_GRADIENT和cv2.HOUGH_GRADIENT_ALT，这是 Canny 边缘检测的高阈值，低阈值是该参数的一半。param2：累加器阈值。对于
cv2.HOUGH_GRADIENT，它表示检测阶段圆心的累加器阈值，值越小，检测出的圆越多；对于cv2.HOUGH_GRADIENT_ALT，它表示圆形的“完美性”度量，值越接近1，算法选择的圆形形状越好。minRadius：需要检测的最小圆半径。
maxRadius：需要检测的最大圆半径。如果设置为<=0，则使用最大图像尺寸；如果<0，且 method=
cv2.HOUGH_GRADIENT时，用来查找圆心而忽略半径的查找，method=cv2.HOUGH_GRADIENT_ALT不受影响，始终会去找半径。
返回值
- circles：返回的圆形的点，是一个三维数组。对于
HOUGH_GRADIENT和HOUGH_GRADIENT_ALT两种方法，返回的圆形数组形式有差异。通常，返回的数组中包含了检测到的圆的中心坐标和半径。
注意事项
- 输入图像的质量对函数的检测效果有很大的影响，通常需要进行适当的预处理，如平滑、边缘检测等。
- 参数的选择对检测的结果有重要的影响，需要根据具体的应用场景进行调整和优化。
- 函数返回的圆的信息需要进一步处理和分析，以满足实际应用的需求。
应用场景
cv2.HoughCircles函数在很多领域都有重要的应用，如医学影像分析、工业机器视觉、自动驾驶等。例如，在医学影像分析中，常常需要检测和分析图像中的各种病变和器官，如肿瘤、血管等。使用cv2.HoughCircles函数，可以有效地在医学影像中检测出各种形状的病变，为医生的诊断和治疗提供重要的参考依据。
6、参考
更多有趣的代码示例，可参考【Programming】