OpenCV 圆检测

用户6021899

发布于 2019-09-08 21:26:41

2.1K0

发布于 2019-09-08 21:26:41

文章被收录于专栏：Python编程 pyqt matplotlib Python编程 pyqt matplotlibPython编程 pyqt matplotlib

OpenCV 的 HoughCircles() 函数可以用来在一张单通道图像里检测圆形物体。下面是各参数的介绍：

HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]]) -> circles

image为单通道图像。若是彩图，须先转化为灰度图，或只取某单个颜色通道。

method 定义检测图像中圆的方法。目前唯一实现是cv2.HOUGH_GRADIENT

dp：累加器分辨率与图像分辨率的反比。dp取值越大，累加器数组越小。

minDist：检测到的各个圆的中心坐标之间的最小距离（以像素为单位）。如果过小，可能检测到多个相邻的圆。反之，过大则可能导致很多圆检测不到。

param1：用于处理边缘检测的梯度值方法。

param2：cv2.HOUGH_GRADIENT方法的累加器阈值。阈值越小，能检测到的圆越多。

minRadius：半径的最小值（以像素为单位）。

maxRadius：半径的最大值（以像素为单位）。

下面以这张气球串的照片为例进行讲解。

我们需要先将其转为灰度图，再模糊降噪：

import cv2  img0 = cv2.imread('1.png')print(img0.shape)cv2.imshow("Original image", img0)gray = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY)#转灰度图cimg = cv2.medianBlur(gray, 3)#模糊降噪cv2.imshow("Cimg", cimg)

降噪后的灰度图：

最后进行圆检测:

#HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]]) -> circles # image须是灰度图circles = cv2.HoughCircles(cimg, cv2.HOUGH_GRADIENT,1,20,                           param1=3,param2=40,minRadius=5,maxRadius=40)if circles is not None:    for (cx,cy, r) in circles[0, :]:        print(cx,cy,"  ", r) # 圆心x坐标，y坐标，和圆半径（注意都是浮点数！）        cv2.circle(img0, (cx, cy), r, (255,0,0), 2) #画圆cv2.imshow("detection", img0)cv2.waitKey()cv2.destroyAllWindows()

检测结果如下，效果还不错。