015 OpenCV 霍夫变换(圆检测)

目录

一、环境

二、算法原理

三、完整代码


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:

  1. 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。

  2. 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。

  3. 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。

  4. 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。

  5. 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_GRADIENTcv2.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。
  • param1param2:此参数已在OpenCV的最新版本中弃用。
  • minRadiusmaxRadius: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:])
相关推荐
谢眠5 分钟前
深度学习day3-自动微分
python·深度学习·机器学习
搏博14 分钟前
神经网络问题之一:梯度消失(Vanishing Gradient)
人工智能·机器学习
z千鑫15 分钟前
【人工智能】深入理解PyTorch:从0开始完整教程!全文注解
人工智能·pytorch·python·gpt·深度学习·ai编程
YRr YRr23 分钟前
深度学习:神经网络的搭建
人工智能·深度学习·神经网络
威桑25 分钟前
CMake + mingw + opencv
人工智能·opencv·计算机视觉
爱喝热水的呀哈喽29 分钟前
torch张量与函数表达式写法
人工智能·pytorch·深度学习
MessiGo38 分钟前
Python 爬虫 (1)基础 | 基础操作
开发语言·python
肥猪猪爸1 小时前
使用卡尔曼滤波器估计pybullet中的机器人位置
数据结构·人工智能·python·算法·机器人·卡尔曼滤波·pybullet
大白要努力!1 小时前
Android opencv使用Core.hconcat 进行图像拼接
android·opencv
LZXCyrus2 小时前
【杂记】vLLM如何指定GPU单卡/多卡离线推理
人工智能·经验分享·python·深度学习·语言模型·llm·vllm