Opencv 学习笔记:霍夫变换实现图像中圆的精准检测与绘制

在工业检测、目标识别等场景中,从图像中精准查找圆形目标是高频需求。本文通过 OpenCV 的霍夫圆变换(HoughCircles),演示灰度图中圆的检测、提取与绘制全流程,新手可直接复用。

核心代码实现

python 复制代码
import cv2 as cv
import numpy as np

# 1. 读取灰度图像并显示
src = cv.imread('.\image\12.bmp', 0)
if src is None:
    print('could not load image')
    exit()
cv.namedWindow('src', cv.WINDOW_NORMAL)
cv.resizeWindow('src', 600, 600)
cv.imshow('src', src)

# 2. 霍夫圆变换检测圆
circles = cv.HoughCircles(
    src, 
    cv.HOUGH_GRADIENT, 
    dp=1,               # 分辨率比例(1为原图分辨率)
    minDist=300,        # 圆心最小距离(避免重复检测)
    param1=41,          # Canny边缘检测高阈值
    param2=40,          # 检测阈值(越小检测越多,需调优)
    minRadius=51,       # 最小圆半径
    maxRadius=100       # 最大圆半径
)

# 3. 创建纯白画布(可选,用于单独绘制圆)
circleimage = np.zeros((src.shape[0], src.shape[1]), np.uint8)
circleimage.fill(255)

# 4. 灰度图转彩色(用于绘制彩色圆)
color = cv.cvtColor(src, cv.COLOR_GRAY2BGR)

# 5. 绘制检测到的圆
if circles is not None:  # 避免无圆时索引报错
    circles = np.uint16(np.around(circles))  # 坐标/半径取整
    for circle in circles[0, :]:
        x, y, r = circle[0], circle[1], circle[2]
        # 绘制圆形轮廓(红色,线宽5)
        outimage = cv.circle(color, (x, y), r, (0, 0, 255), 5)

# 6. 显示结果
cv.namedWindow('circleimage', cv.WINDOW_NORMAL)
cv.resizeWindow('circleimage', 600, 600)
cv.imshow("circleimage", outimage)

cv.waitKeyEx(0)
cv.destroyAllWindows()

关键知识点解析

1. 霍夫圆变换核心参数

参数 作用说明 调优技巧
dp 累加器分辨率与图像分辨率的比值 固定为 1 即可,值越大检测速度越快但精度越低
minDist 检测到的圆心之间的最小距离 小于此值的圆心会被视为同一个圆,需根据圆大小调整
param1 Canny 边缘检测的高阈值(低阈值为其 1/2) 值越小边缘越多,易检测到杂圆;值越大漏检风险高
param2 圆心检测阈值 核心调优参数,值越小检测到的圆越多(含假圆),值越大仅检测高置信度圆
minRadius/maxRadius 圆半径范围 限定检测半径,过滤无关大小的圆,大幅提升效率

2. 核心操作说明

  • 输入要求 :HoughCircles仅支持灰度图输入,无需提前做边缘检测(内部自动调用 Canny);
  • 坐标取整 :检测到的圆心 / 半径为浮点数,需通过np.around+np.uint16取整,避免绘制报错;
  • 空值判断 :新增if circles is not None,解决图像无圆时circles[0]索引异常问题;
  • 彩色绘制 :灰度图转彩色(COLOR_GRAY2BGR)后,可绘制彩色圆,视觉效果更直观。

3. 避坑与优化技巧

  • 圆检测对噪声敏感:检测前可对图像做高斯滤波(cv.GaussianBlur(src, (5,5), 0)),减少假圆;
  • 重复检测问题:调大minDist,避免相邻圆被重复检测;
  • 漏检问题:降低param2或param1,或放宽minRadius/maxRadius范围。

总结

  1. 霍夫圆变换核心是调优param2(检测阈值)和minDist(圆心间距),是精准检测的关键;
  2. 输入需为灰度图,检测后需对坐标 / 半径取整才能绘制;
  3. 预处理加高斯滤波可有效减少噪声导致的假圆检测。
相关推荐
fwc3 小时前
第J2周:ResNetV2算法学习
学习
Rabitebla6 小时前
【Linux】文件篇(五):手撕简易 FILE——模拟实现 C 标准 I/O 缓冲机制
linux·服务器·c语言·笔记·学习·ubuntu
摇滚侠7 小时前
《On Java 中文版 基础卷》阅读笔记 接口 18
java·笔记·python
电科_银尘8 小时前
【大模型算法与工程 27】训练配方:批量、学习率、精度与梯度裁剪
学习·算法·机器学习
江屿风12 小时前
AI Agent架构全解析:从规划到记忆的智能跃迁
人工智能·笔记·架构·agent·c/s·mcp工作流
fly_sunnn14 小时前
机械狗的前置学习(python与Linux基础操作)
学习
吃我一窝jio15 小时前
Java Bug复盘与性能优化实战
java·开发语言·笔记
Rabitebla16 小时前
【Linux】文件篇(六):Shell 实战——从系统调用到命令行重定向
linux·服务器·c++·笔记·学习
Star(up up up)17 小时前
MySQL 事务隔离级别是如何实现的?从 MVCC 到锁机制原理详解
笔记·vscode·sql·学习·程序人生·mysql·学习方法
琳少_1 天前
java程序开发笔记
java·开发语言·数据库·笔记