015 OpenCV 霍夫变换（圆检测）

一、环境

本文使用环境为：

Windows10
Python 3.9.17
opencv-python 4.8.0.74

二、算法原理

霍夫圆检测（Hough Circle Detection）是计算机视觉中一种常用的图像处理技术，主要用于检测图像中的圆形物体。它是由Paul Hough于1962年提出的，因此得名。霍夫圆检测算法在很多领域都有广泛的应用，如工业自动化、机器人视觉、医学图像分析等。

霍夫圆检测算法的基本原理是：在一个图像中，如果一个点到某个固定半径为r的圆心的距离小于等于r，那么这个点就被认为是在圆上。通过统计图像中所有可能的圆心位置和半径，可以找到满足条件的圆。具体来说，霍夫圆检测算法可以分为以下几个步骤：

将图像转换为灰度图像。这是因为在灰度图像中，圆形物体的边缘信息更容易提取。
对灰度图像进行预处理。预处理的目的是消除噪声和提高边缘检测的准确性。常用的预处理方法有高斯滤波、中值滤波等。
使用边缘检测算法提取图像中的边缘信息。边缘检测算法有很多种，如Sobel算子、Canny算子等。边缘检测的目的是找到图像中亮度变化较大的像素点，这些像素点通常对应于物体的边缘。
对边缘图像进行霍夫变换。霍夫变换是一种用于寻找图像中特定形状的方法，它将图像从二维空间映射到一个参数空间（如圆心坐标和半径）。在这个参数空间中，每个可能的圆都对应着一条曲线。通过统计曲线的交点个数，可以估计原图像中圆的数量和位置。
对霍夫变换的结果进行后处理。后处理的目的是消除误检和减少计算量。常用的后处理方法有：设定一个阈值，只保留交点个数大于阈值的圆；对交点进行聚类，将距离较近的交点合并为一个圆等。

OpenCV中的HoughCircles函数的接口如下：

python 复制代码

cv2.HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]])

OpenCV中的HoughCircles函数的参数如下：

image：输入图像，必须是8位单通道灰度图像。
method：检测方法，目前主要支持cv2.HOUGH_GRADIENT和cv2.HOUGH_GRADIENT_ALT两种方法，其中后者是前者的改进方法。
dp：此参数已在OpenCV的最新版本中弃用。
minDist：此参数代表两个圆之间的最小距离。
circles：调用HoughCircles函数后，此参数将存储检测到的圆的输出矢量，每个矢量由包含三个元素的浮点矢量（x，y，radius）表示。
param1 和 param2：此参数已在OpenCV的最新版本中弃用。
minRadius 和 maxRadius：这两个参数代表要检测的圆的最小半径和最大半径。

三、完整代码

python 复制代码

import sys
import cv2 as cv
import numpy as np


def main(argv):
    # 读取图片
    default_file = 'data/smarties.png'
    filename = argv[0] if len(argv) > 0 else default_file
    src = cv.imread(cv.samples.findFile(filename), cv.IMREAD_COLOR)

    if src is None:
        print ('Error opening image!')
        print ('Usage: hough_circle.py [image_name -- default ' + default_file + '] \n')
        return -1
    # 彩色图转灰度图
    gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
    # 中值滤波，用于降噪
    gray = cv.medianBlur(gray, 5)
    # 霍夫圆检测
    rows = gray.shape[0]
    circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, 1, rows / 8,
                               param1=100, param2=30,
                               minRadius=1, maxRadius=30)
    # 绘制圆
    if circles is not None:
        circles = np.uint16(np.around(circles))
        for i in circles[0, :]:
            center = (i[0], i[1]) #圆心
            # 绘制圆心
            cv.circle(src, center, 1, (0, 100, 100), 3)
            # 绘制圆轮廓
            radius = i[2]
            cv.circle(src, center, radius, (255, 0, 255), 3)
    cv.imshow("detected circles", src)
    cv.waitKey(0)
    return 0


if __name__ == "__main__":
    main(sys.argv[1:])