OpenCV霍夫圆变换cv2.HoughCircles()的示例分析

这篇文章主要介绍OpenCV霍夫圆变换cv2.HoughCircles()的示例分析，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT, 1, 20,param1=50, param2=40, minRadius=25, maxRadius=0)

img: 待检测的灰度图cv2.HOUGH_GRADIENT：检测的方法，霍夫梯度1：检测的圆与原始图像具有相同的大小，dp=2,检测的圆是原始图像的一半20：检测到的相邻圆的中心的最小距离（如果参数太小，除了一个真实的圆外，还可能会错误地检测到多个相邻圆。如果太大，可能会漏掉一些圆。）param1：在#HOUGHŠu梯度的情况下，它是较高的. 两个阈值传递到Canny边缘检测器（较低的一个小两倍）。param2：在#HOUGHŠu梯度的情况下，它是检测阶段圆心的累加器阈值。它越小，就越可能检测到假圆；minRadius：最小圆半径maxRadius：最大圆半径，如果<=0，则使用最大图像尺寸。如果<0，则返回没有找到半径的中心。

1. 效果图

原始图 VS 检测圆效果图如下：

如下右图可以看到3个外侧圆绿色，圆心红色被成功检测到；

圆的最小半径设置由25调整为10，也可能会错误的检测到圆，效果图如下：

检测圆半径的阈值（param2设置35）的结果，最小圆半径设置10，也可能会错误的检测到圆，效果图如下：

2. 源码

#霍夫圆检测

importcv2
importnumpyasnp

cimg=cv2.imread('opencv_logo_350.jpg')
cv2.imshow("origin",cimg)
cv2.waitKey(0)
img=cv2.cvtColor(cimg,cv2.COLOR_BGR2GRAY)
img=cv2.medianBlur(img,5)
cimg=cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

#-img:待检测的灰度图
#-cv2.HOUGH_GRADIENT：检测的方法，霍夫梯度
#-1：检测的圆与原始图像具有相同的大小，dp=2,检测的圆是原始图像的一半
#-20：检测到的圆的中心的最小距离（如果参数为太小，除了一个真实的圆外，还可能会错误地检测到多个相邻圆。如果太大，可能会漏掉一些圆。）
#-param1：在#HOUGHŠu梯度的情况下，它是较高的.两个阈值传递到Canny边缘检测器（较低的一个小两倍）。
#-param2：在#HOUGHŠu梯度的情况下，它是检测阶段圆心的累加器阈值。它越小，就越可能检测到假圆；
#-minRadius：最小圆半径，也可能会检测到假圆
#-maxRadius：最大圆半径，如果<=0，则使用最大图像尺寸。如果<0，则返回没有找到半径的中心。
circles=cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,20,
param1=50,param2=40,minRadius=0,maxRadius=0)
#最小圆半径设置不合适，也可能会检测到假圆
#circles=cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,20,
#param1=50,param2=40,minRadius=0,maxRadius=0)
#circles=cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,20,
#param1=50,param2=30,minRadius=10,maxRadius=0)

circles=np.uint16(np.around(circles))

print(len(circles))
print(circles)
foriincircles[0,:]:
#绘制外圈圆（蓝色）
cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)

#绘制圆心（红色）
cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)

cv2.imshow('detectedcircles',cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上是“OpenCV霍夫圆变换cv2.HoughCircles()的示例分析”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注恰卡编程网行业资讯频道！