快捷導(dǎo)航

如何基于OpenCV&Python實現(xiàn)霍夫變換圓形檢測

更新時間：2021年08月26日 11:05:04 作者：ahaofan

最近開始學(xué)習(xí)opencv,想檢測圖片上的圓環(huán),發(fā)現(xiàn)霍夫變換可以做這樣的效果出來,于是嘗試用霍夫變換做了下圓環(huán)檢測,這篇文章主要給大家介紹了基于OpenCV&Python實現(xiàn)霍夫變換圓形檢測的相關(guān)資料,需要的朋友可以參考下

簡述

基于python使用opencv實現(xiàn)在一張圖片中檢測出圓形，并且根據(jù)坐標(biāo)和半徑標(biāo)記出圓。不涉及理論，只講應(yīng)用。

霍夫變換檢測圓形的原理

其實檢測圓形和檢測直線的原理差別不大，只不過直線是在二維空間，因為y=kx+b，只有k和b兩個自由度。而圓形的一般性方程表示為(x-a)²+(y-b)²=r²。那么就有三個自由度圓心坐標(biāo)a,b,和半徑r。這就意味著需要更多的計算量，而OpenCV中提供的cvHoughCircle()函數(shù)里面可以設(shè)定半徑r的取值范圍，相當(dāng)于有一個先驗設(shè)定，在每一個r來說，在二維空間內(nèi)尋找a和b就可以了，能夠減少計算量。

實例演示

完整代碼

import  cv2

#載入并顯示圖片
img=cv2.imread('circle.png')
cv2.imshow('img',img)
#灰度化
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#輸出圖像大小，方便根據(jù)圖像大小調(diào)節(jié)minRadius和maxRadius
print(img.shape)
#霍夫變換圓檢測
circles= cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,100,param1=100,param2=30,minRadius=5,maxRadius=300)
#輸出返回值，方便查看類型
print(circles)
#輸出檢測到圓的個數(shù)
print(len(circles[0]))

print('-------------我是條分割線-----------------')
#根據(jù)檢測到圓的信息，畫出每一個圓
for circle in circles[0]:
    #圓的基本信息
    print(circle[2])
    #坐標(biāo)行列
    x=int(circle[0])
    y=int(circle[1])
    #半徑
    r=int(circle[2])
    #在原圖用指定顏色標(biāo)記出圓的位置
    img=cv2.circle(img,(x,y),r,(0,0,255),-1)
#顯示新圖像
cv2.imshow('res',img)

#按任意鍵退出
cv2.waitKey(0)
cv2.destroyAllWindows()

運(yùn)行結(jié)果