c/c++开发分享OpenCV霍夫圆变换cv2.HoughCircles()

目录

  # 霍夫圆检测    import cv2  import numpy as np    cimg = cv2.imread('opencv_logo_350.jpg')  cv2.imshow("origin", cimg)  cv2.waitkey(0)  img = cv2.cvtcolor(cimg,cv2.color_bgr2gray)  img = cv2.medianblur(img, 5)  cimg = cv2.cvtcolor(img, cv2.color_gray2bgr)    # - img: 待检测的灰度图  # - cv2.hough_gradient：检测的方法，霍夫梯度  # - 1：检测的圆与原始图像具有相同的大小，dp=2,检测的圆是原始图像的一半  # - 20：检测到的圆的中心的最小距离（如果参数为太小，除了一个真实的圆外，还可能会错误地检测到多个相邻圆。如果太大，可能会漏掉一些圆。）  # - param1：在#houghŠu梯度的情况下，它是较高的. 两个阈值传递到canny边缘检测器（较低的一个小两倍）。  # - param2：在#houghŠu梯度的情况下，它是检测阶段圆心的累加器阈值。它越小，就越可能检测到假圆；  # - minradius：最小圆半径，也可能会检测到假圆  # - maxradius：最大圆半径，如果<=0，则使用最大图像尺寸。如果<0，则返回没有找到半径的中心。  circles = cv2.houghcircles(img, cv2.hough_gradient, 1, 20,                             param1=50, param2=40, minradius=0, maxradius=0)  # 最小圆半径设置不合适，也可能会检测到假圆  # circles = cv2.houghcircles(img, cv2.hough_gradient, 1, 20,  #                            param1=50, param2=40, minradius=0, maxradius=0)  # circles = cv2.houghcircles(img, cv2.hough_gradient, 1, 20,  #                            param1=50, param2=30, minradius=10, maxradius=0)    circles = np.uint16(np.around(circles))    print(len(circles))  print(circles)  for i in circles[0, :]:      # 绘制外圈圆（蓝色）      cv2.circle(cimg, (i[0], i[1]), i[2], (0, 255, 0), 2)        # 绘制圆心（红色）      cv2.circle(cimg, (i[0], i[1]), 2, (0, 0, 255), 3)    cv2.imshow('detected circles', cimg)  cv2.waitkey(0)  cv2.destroyallwindows()