Python+OpenCV图像处理之圆检测

霍夫变换不仅可以用来检测直线，同样也可以用来检测圆

python实现

import cv2
import numpy as np


__author__ = "boboa"


def detect_circles_demo(image):
    dst = cv2.pyrMeanShiftFiltering(image, 10, 100)  # 均值偏移滤波
    cimage = cv2.cvtColor(dst, cv2.COLOR_BGR2GRAY)
    circles = cv2.HoughCircles(cimage, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=40, minRadius=0, maxRadius=0)
    # 整数化，#把circles包含的圆心和半径的值变成整数
    circles = np.uint16(np.around(circles))
    for i in circles[0, :]:
        # 画出外边圆
        cv2.circle(image, (i[0], i[1]), i[2], (0, 255, 0), 2)
        # 画出圆心
        cv2.circle(image, (i[0], i[1]), 2, (0, 0, 255), 3)
    cv2.imshow("circles", image)


if __name__ == "__main__":
    img = cv2.imread("image/circles.jpg")
    cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
    cv2.imshow("input image", img)
    detect_circles_demo(img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

运行结果如下，效果并不是很好，可能是参数设置的不好，利用霍夫变换来检测圆很容易受到噪声的干扰，而且不能检测椭圆，找不到同心圆

cv2.HoughCircles(image, method, dp, minDist, circles, param1, param2, minRadius, maxRadius)

参数：
　　image:输入图像，必须是灰度图像

　　method:检测方法,常用CV_HOUGH_GRADIENT

　　dp:检测内侧圆心的累加器图像的分辨率于输入图像之比的倒数，如dp=1，累加器和输入图像具有相同的分辨率,如果dp=2，累计器便有输入图像一半那么大的宽度和高度

　　minDist: 两个圆心之间的最小距离

　　param1: 是method方法的参数,在CV_HOUGH_GRADIENT表示传入canny边缘检测的阈值

　　param2:对当前唯一的方法霍夫梯度法cv2.HOUGH_GRADIENT，它表示在检测阶段圆心的累加器阈值

                    它越小，就越可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了

　　minRadius:默认值0，圆半径的最小值

　　maxRadius:默认值0，圆半径的最大值

cv2.circle是画圆函数(img, center, radius, color[, thickness[, lineType[, shift]]]) -> img

参数：img：源图像

　　   center：圆心坐标

　　   radius：圆的半径

　　   color：设定圆的颜色

　　   thickness：如果是正数，表示圆轮廓的粗细程度。如果是负数，表示要绘制实心圆

　　   lineType：圆线条的类型

　　   shift：圆心坐标和半径值中的小数位数