快捷導(dǎo)航

詳解利用python+opencv識別圖片中的圓形（霍夫變換）

更新時(shí)間：2019年07月01日 14:53:31 作者：智元元

這篇文章主要介紹了詳解利用python+opencv識別圖片中的圓形（霍夫變換），文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

在圖片中識別足球

先補(bǔ)充下霍夫圓變換的幾個(gè)參數(shù)知識：

dp，用來檢測圓心的累加器圖像的分辨率于輸入圖像之比的倒數(shù)，且此參數(shù)允許創(chuàng)建一個(gè)比輸入圖像分辨率低的累加器。上述文字不好理解的話，來看例子吧。例如，如果dp= 1時(shí)，累加器和輸入圖像具有相同的分辨率。如果dp=2，累加器便有輸入圖像一半那么大的寬度和高度。
minDist，為霍夫變換檢測到的圓的圓心之間的最小距離，即讓我們的算法能明顯區(qū)分的兩個(gè)不同圓之間的最小距離。這個(gè)參數(shù)如果太小的話，多個(gè)相鄰的圓可能被錯(cuò)誤地檢測成了一個(gè)重合的圓。反之，這個(gè)參數(shù)設(shè)置太大的話，某些圓就不能被檢測出來了。
param1，有默認(rèn)值100。它是method設(shè)置的檢測方法的對應(yīng)的參數(shù)。對當(dāng)前唯一的方法霍夫梯度法，它表示傳遞給canny邊緣檢測算子的高閾值，而低閾值為高閾值的一半。
param2，也有默認(rèn)值100。它是method設(shè)置的檢測方法的對應(yīng)的參數(shù)。對當(dāng)前唯一的方法霍夫梯度法，它表示在檢測階段圓心的累加器閾值。它越小的話，就可以檢測到更多根本不存在的圓，而它越大的話，能通過檢測的圓就更加接近完美的圓形了。
minRadius，默認(rèn)值0，表示圓半徑的最小值。
maxRadius，也有默認(rèn)值0，表示圓半徑的最大值。

源代碼：

# -*- coding: utf-8 -*- 
""" 
Created on Tue Sep 26 23:15:39 2017 
 
@author: tina 
""" 
import cv2 
import numpy as np 
import matplotlib.pyplot as plt 
 
img = cv2.imread('C:\\Users\\tina\\Pictures\\ahh\\ball.jpg') 
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
 
plt.subplot(121),plt.imshow(gray,'gray') 
plt.xticks([]),plt.yticks([]) 
 
circles1 = cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1, 
600,param1=100,param2=30,minRadius=80,maxRadius=97) 
circles = circles1[0,:,:] 
circles = np.uint16(np.around(circles)) 
for i in circles[:]:  
  cv2.circle(img,(i[0],i[1]),i[2],(255,0,0),5) 
  cv2.circle(img,(i[0],i[1]),2,(255,0,255),10) 
  cv2.rectangle(img,(i[0]-i[2],i[1]+i[2]),(i[0]+i[2],i[1]-i[2]),(255,255,0),5) 
   
print("圓心坐標(biāo)",i[0],i[1]) 
plt.subplot(122),plt.imshow(img) 
plt.xticks([]),plt.yticks([])

原圖：