opencv-061-二值图像分析(霍夫圆检测)

发表于 | 分类于

知识点

根据极坐标,圆上任意一点的坐标可以表示为如下形式, 所以对于任意一个圆, 假设中心像素点p(x0, y0)像素点已知, 圆半径已知,则旋转360由极坐标方程可以得到每个点上得坐标同样,如果只是知道图像上像素点, 圆半径,旋转360°则中心点处的坐标值必定最强.这正是霍夫变换检测圆的数学原理。

API

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
OpenCV中霍夫圆检测的API与参数解释如下：
void cv::HoughCircles(
	InputArray image,
	OutputArray circles,
	int method,
	double dp,
	double minDist,
	double param1 = 100,
	double param2 = 100,
	int minRadius = 0,
	int maxRadius = 0 
)
image表示输入单通道的灰度图像
circles 表示检测的圆信息（圆心+半径）
method 圆检测的方法
dp表示图像分辨率是否有变化，默认1表示保持跟原图大小一致，一般取2，比1 要大
minDist表示检测到的圆，两个圆心之间的最小距离
param1 表示边缘提取的高阈值
param2表示霍夫空间的累加阈值
minRadius 表示可以检测圆的最小半径
maxRadius 表示可以检测圆的最大

代码（c++,python）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

/*
 * 二值图像分析(霍夫圆检测)
 */
int main() {
    Mat src = imread("../images/coins.jpg");
    if (src.empty()) {
        cout << "could not load image.." << endl;
    }
    imshow("input", src);

    // 转换为灰度空间与高斯模糊
    Mat gray;
    cvtColor(src, gray, COLOR_BGR2GRAY);
    GaussianBlur(gray, gray, Size(9, 9), 2, 2);

    // 霍夫圆检测
    int dp = 2; // 在其它参数保持不变的情况下。dp的取值越高，越容易检测到圆
    int min_radius = 20;
    int max_radius = 100;
    int minDist = 10;
    vector<Vec3f> circles;
    HoughCircles(gray, circles, HOUGH_GRADIENT, dp, minDist,
                 100, 100, min_radius, max_radius);
    for (size_t i = 0; i < circles.size(); ++i) {
        Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
        int radius = cvRound(circles[i][2]);
        // 绘制圆
        circle(src, center, radius, Scalar(0, 0, 255), 3);
        circle(src, center, 3, Scalar(0, 255, 0), -1); //绘制圆心
    }

    imshow("result_dp=2", src);

    waitKey(0);
    return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import cv2 as cv
import numpy as np


src = cv.imread("D:/images/test_coins.png")
cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
cv.imshow("input", src)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
gray = cv.GaussianBlur(gray, (9, 9), 2, 2)
dp = 2
param1 = 100
param2 = 80


circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp, 10, None, param1, param2, 20, 100)
for c in circles[0,:]:
    print(c)
    cx, cy, r = c
    cv.circle(src, (cx, cy), 2, (0, 255, 0), 2, 8, 0)
    cv.circle(src, (cx, cy), r, (0, 0, 255), 2, 8, 0)


cv.imshow("hough line demo", src)
cv.waitKey(0)
cv.destroyAllWindows()

结果

代码地址

github