Python OpenCV基于霍夫圈變換算法檢測(cè)圖像中的圓形

更新時(shí)間：2021年12月20日 14:32:54 作者：掙扎的藍(lán)藻

這篇文章主要介紹了通過霍夫圈變換算法檢測(cè)圖像中的圓形，文中用到的函數(shù)為cv2.HoughCircles()，該函數(shù)可以很好地檢測(cè)圓心。感興趣的小伙伴可以了解一下

第一章：霍夫變換檢測(cè)圓

① 實(shí)例演示1

這個(gè)是設(shè)定半徑范圍 0-50 后的效果。

② 實(shí)例演示2

這個(gè)是設(shè)定半徑范圍 50-70 后的效果，因?yàn)樵瓐D稍微大一點(diǎn)，半徑也大了一些。

③ 霍夫變換函數(shù)解析

cv.HoughCircles() 方法

參數(shù)分別為：image、method、dp、minDist、param1、param2、minRadius、maxRadius

其中：

image 為灰度圖像；
method 使用的方法為霍夫梯度法，目前已知的有 HOUGH_GRADIENT 和 HOUGH_GRADIENT_ALT 兩種，后者的準(zhǔn)確率會(huì)更高一點(diǎn)；
dp 為累加器分辨率與圖片分辨率的反比。
minDist 為兩個(gè)圓中心的最小距離；
param1 對(duì)于 CV_HOUGH_GRADIENT 表示傳入 canny 邊緣檢測(cè)的閾值；
param2 對(duì)于 CV_HOUGH_GRADIENT 表示檢測(cè)階段圓心的累加閾值，值越小能檢測(cè)出的圓越多，值越大的話就檢測(cè)出來的少，但是檢測(cè)出來的圓形相比于沒檢測(cè)出來的會(huì)更圓、更完美一些；
minRadius 為最小半徑；
minRadius 為最大半徑；

首先通過均值偏移濾波降噪來排除干擾的點(diǎn)，提高識(shí)別的準(zhǔn)確率，然后進(jìn)行灰度處理。

# 均值偏移濾波降噪處理
mean_filter_img = cv.pyrMeanShiftFiltering(image, 10, 100)
cv.imshow("mean_filter_img", mean_filter_img)

# 圖像灰度處理
gray_img = cv.cvtColor(mean_filter_img, cv.COLOR_BGR2GRAY)

# 霍夫圈變換
# 參數(shù)分別為：image, method, dp, minDist, param1, param2, minRadius, maxRadius
# 其中：image為灰度圖像，method使用的方法為霍夫梯度法，minDist兩個(gè)圓中心的最小距離
circles = cv.HoughCircles(gray_img, cv.HOUGH_GRADIENT, 1, 30, param1=50, param2=30, minRadius=0, maxRadius=50)

第二章：Python + opencv 完整檢測(cè)代碼

① 源代碼

# -*- coding:utf-8 -*-
# 2021-12-17
# 作者：小藍(lán)棗
# opencv圓形檢測(cè)

import cv2 as cv
import numpy as np

def detect_circle(image):
    '''
     作用：圓形檢測(cè)
     參數(shù)：需要檢測(cè)圓的圖片
     返回：檢測(cè)出圓形的信息
    '''
    # 均值偏移濾波降噪處理
    mean_filter_img = cv.pyrMeanShiftFiltering(image, 10, 100)
    cv.imshow("mean_filter_img", mean_filter_img)
    
    # 圖像灰度處理
    gray_img = cv.cvtColor(mean_filter_img, cv.COLOR_BGR2GRAY)
    
    # 霍夫圈變換
    # 參數(shù)分別為：image, method, dp, minDist, param1, param2, minRadius, maxRadius
    # 其中：image為灰度圖像，method使用的方法為霍夫梯度法，minDist兩個(gè)圓中心的最小距離
    circles = cv.HoughCircles(gray_img, cv.HOUGH_GRADIENT, 1, 30, param1=50, param2=30, minRadius=0, maxRadius=50)
    
    # 對(duì)數(shù)據(jù)進(jìn)行取整
    print("取整前信息：" + str(circles))
    circles = np.uint16(np.around(circles))
    print("取整后信息：" + str(circles))
    
    return circles
    
def draw_circle(img, circles):
    '''
     作用：根據(jù)圓形信息在圖片中繪制圓
     參數(shù)1：原始圖片信息
     參數(shù)2：圓形坐標(biāo)信息
     返回：無
    '''
    for i in circles[0, :]:
        # 繪制圓外圈
        # 參數(shù)分別為：圓心、半徑、顏色、線框?qū)挾?
        cv.circle(img, (i[0], i[1]), i[2], (0, 0, 255), 2)
        # 繪制圓心 
        cv.circle(img, (i[0], i[1]), 2, (255, 0, 0), 2)
    cv.imshow("draw_circle_img", img)

# 讀取圖片信息
img = cv.imread("./image/meixi.jpg")

# 設(shè)置窗口不可改變大?。▍?shù)包含：WINDOW_AUTOSIZE、WINDOW_NORMAL、WINDOW_OPENGL）
cv.namedWindow("original image", cv.WINDOW_AUTOSIZE)
cv.imshow("original image", img)

# 檢測(cè)圓
circles = detect_circle(img)
#繪制圓
draw_circle(img, circles)

cv.waitKey(0)
cv.destroyAllWindows()