Python OpenCV基于霍夫圈变换算法检测图像中的圆形

第一章：霍夫变换检测圆

① 实例演示1

这个是设定半径范围 0-50 后的效果。

② 实例演示2

这个是设定半径范围 50-70 后的效果，因为原图稍微大一点，半径也大了一些。

③ 霍夫变换函数解析

cv.HoughCircles() 方法

参数分别为：image、method、dp、minDist、param1、param2、minRadius、maxRadius

其中：

• image 为灰度图像；

• method 使用的方法为霍夫梯度法，目前已知的有 HOUGH_GRADIENT 和 HOUGH_GRADIENT_ALT 两种，后者的准确率会更高一点；

• dp 为累加器分辨率与图片分辨率的反比。

• minDist 为两个圆中心的最小距离；

• param1 对于 CV_HOUGH_GRADIENT 表示传入 canny 边缘检测的阈值；

• param2 对于 CV_HOUGH_GRADIENT 表示检测阶段圆心的累加阈值，值越小能检测出的圆越多，值越大的话就检测出来的少，但是检测出来的圆形相比于没检测出来的会更圆、更完美一些；

• minRadius 为最小半径；

• minRadius 为最大半径；

首先通过均值偏移滤波降噪来排除干扰的点，提高识别的准确率，然后进行灰度处理。

# 均值偏移滤波降噪处理
mean_filter_img = cv.pyrMeanShiftFiltering(image, 10, 100)
cv.imshow("mean_filter_img", mean_filter_img)

# 图像灰度处理
gray_img = cv.cvtColor(mean_filter_img, cv.COLOR_BGR2GRAY)

# 霍夫圈变换
# 参数分别为：image, method, dp, minDist, param1, param2, minRadius, maxRadius
# 其中：image为灰度图像，method使用的方法为霍夫梯度法，minDist两个圆中心的最小距离
circles = cv.HoughCircles(gray_img, cv.HOUGH_GRADIENT, 1, 30, param1=50, param2=30, minRadius=0, maxRadius=50)

第二章：Python + opencv 完整检测代码

① 源代码

# -*- coding:utf-8 -*-
# 2021-12-17
# 作者：小蓝枣
# opencv圆形检测

import cv2 as cv
import numpy as np

def detect_circle(image):
   '''
    作用：圆形检测
    参数：需要检测圆的图片
    返回：检测出圆形的信息
   '''
   # 均值偏移滤波降噪处理
   mean_filter_img = cv.pyrMeanShiftFiltering(image, 10, 100)
   cv.imshow("mean_filter_img", mean_filter_img)

# 图像灰度处理
   gray_img = cv.cvtColor(mean_filter_img, cv.COLOR_BGR2GRAY)

# 霍夫圈变换
   # 参数分别为：image, method, dp, minDist, param1, param2, minRadius, maxRadius
   # 其中：image为灰度图像，method使用的方法为霍夫梯度法，minDist两个圆中心的最小距离
   circles = cv.HoughCircles(gray_img, cv.HOUGH_GRADIENT, 1, 30, param1=50, param2=30, minRadius=0, maxRadius=50)

# 对数据进行取整
   print("取整前信息：" + str(circles))
   circles = np.uint16(np.around(circles))
   print("取整后信息：" + str(circles))

return circles

def draw_circle(img, circles):
   '''
    作用：根据圆形信息在图片中绘制圆
    参数1：原始图片信息
    参数2：圆形坐标信息
    返回：无
   '''
   for i in circles[0, :]:
       # 绘制圆外圈
       # 参数分别为：圆心、半径、颜色、线框宽度
       cv.circle(img, (i[0], i[1]), i[2], (0, 0, 255), 2)
       # 绘制圆心
       cv.circle(img, (i[0], i[1]), 2, (255, 0, 0), 2)
   cv.imshow("draw_circle_img", img)

# 读取图片信息
img = cv.imread("./image/meixi.jpg")

# 设置窗口不可改变大小（参数包含：WINDOW_AUTOSIZE、WINDOW_NORMAL、WINDOW_OPENGL）
cv.namedWindow("original image", cv.WINDOW_AUTOSIZE)
cv.imshow("original image", img)

# 检测圆
circles = detect_circle(img)
#绘制圆
draw_circle(img, circles)

cv.waitKey(0)
cv.destroyAllWindows()

② 运行效果图

原始图片：

降噪后效果：

霍夫变换检测圆处理后效果：

取整后效果图：

来源：https://blog.csdn.net/qq_38161040/article/details/121999138