opencv-python 霍夫变换圆形检测：HoughCircles

简介

opencv中提供了基于霍夫变换的圆形检测方法，可实现下图所示的检测结果。

其中，【gray】是经过均值滤波的灰度图，其目的是将目标边缘凸显出来；【edge】是通过Canny边缘检测得到的灰度图像的边缘；【circles】即原始图像和检测到的圆形的叠加图。

代码

其实现代码如下。

import matplotlib.pyplot as plt
import numpy as np
import cv2 as cvpath = 'coins.png'imgs = {}
img = cv.imread(path, cv.IMREAD_COLOR)
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)imgs['gray'] = cv.medianBlur(gray, 25)
imgs['edge'] = cv.Canny(imgs['gray'],100,200)rows = gray.shape[0]
circles = cv.HoughCircles(imgs['gray'], cv.HOUGH_GRADIENT,1, rows / 8, param1=100, param2=30,minRadius=1, maxRadius=300)

其中，【circles】就是检测到的圆形参数，其实质是由$x,y,r$组成的三元组的列表。

接下来是绘图，在circles子图中，先绘制了原始图像，然后根据圆形的参数方程$x=r\cos \theta ,y=r\sin \theta$，来描绘出圆形的边缘。

imgs['circles'] = img
for i,key in enumerate(imgs,1):ax = plt.subplot(1,3,i)plt.title(key)plt.imshow(imgs[key])plt.axis('off')th = np.deg2rad(np.arange(361))
for x,y,r in circles[0]:xs = x + r*np.cos(th)ys = y + r*np.sin(th)plt.scatter(x, y, marker='*', color='red')plt.plot(xs, ys, color='red')plt.show()

HoughCircles函数说明

【HoughCircles】是opencv提供的基于霍夫变换的圆形检测工具。

函数参数说明：

• image: 输入的灰度图像，通常使用cv2.imread函数加载。
• method: 检测圆的方法。
• dp: 用于控制霍夫变换的分辨率，值越大，检测的圆越少，但越准确。
• minDist: 圆心之间的最小距离。
• param1: 边缘检测时使用Canny算子的高阈值，低阈值是高阈值的一半
• param2: 用于圆心检测的参数。
• minRadius, maxRadius: 圆半径的最小值和最大值。

其中，opencv通提供了四种检测圆的方法，其method参数可选值如下

• 【cv2.HOUGH_GRADIENT】霍夫梯度法，是OpenCV中最常用的圆检测方法，通过计算图像中的梯度来确定圆心的可能位置，然后对这些位置进行投票，以确定真实的圆心。这种方法的问题是对噪声敏感。
• 【cv2.HOUGH_GRADIENT_ALT】霍夫梯度法的另一种实现。
• 【cv2.HOUGH_PROBABILISTIC】概率霍夫变换，与霍夫梯度法的区别是，并不通过全局投票来确定圆心，并检查一些候选点是否符合圆的方程，它通常会产生较少的假阳性结果，但可能检测不到某些圆。
• 【cv2.HOUGH_MULTI_SCALE】多尺度霍夫变换，将在不同尺度上应用霍夫变换，对缩放、旋转和倾斜变化具有更好的鲁棒性。和其他方法相比，该方法可能会检测到更多的圆，但也更吃计算资源。