目录
一、环境
二、算法原理
三、完整代码
一、环境
本文使用环境为：
- Windows10
- Python 3.9.17
- opencv-python 4.8.0.74
二、算法原理
霍夫圆检测（Hough Circle Detection）是计算机视觉中一种常用的图像处理技术，主要用于检测图像中的圆形物体。它是由Paul Hough于1962年提出的，因此得名。霍夫圆检测算法在很多领域都有广泛的应用，如工业自动化、机器人视觉、医学图像分析等。
霍夫圆检测算法的基本原理是：在一个图像中，如果一个点到某个固定半径为r的圆心的距离小于等于r，那么这个点就被认为是在圆上。通过统计图像中所有可能的圆心位置和半径，可以找到满足条件的圆。具体来说，霍夫圆检测算法可以分为以下几个步骤：
-
将图像转换为灰度图像。这是因为在灰度图像中，圆形物体的边缘信息更容易提取。
-
对灰度图像进行预处理。预处理的目的是消除噪声和提高边缘检测的准确性。常用的预处理方法有高斯滤波、中值滤波等。
-
使用边缘检测算法提取图像中的边缘信息。边缘检测算法有很多种，如Sobel算子、Canny算子等。边缘检测的目的是找到图像中亮度变化较大的像素点，这些像素点通常对应于物体的边缘。
-
对边缘图像进行霍夫变换。霍夫变换是一种用于寻找图像中特定形状的方法，它将图像从二维空间映射到一个参数空间（如圆心坐标和半径）。在这个参数空间中，每个可能的圆都对应着一条曲线。通过统计曲线的交点个数，可以估计原图像中圆的数量和位置。
-
对霍夫变换的结果进行后处理。后处理的目的是消除误检和减少计算量。常用的后处理方法有：设定一个阈值，只保留交点个数大于阈值的圆；对交点进行聚类，将距离较近的交点合并为一个圆等。
OpenCV中的HoughCircles函数的接口如下：
cv2.HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]])
OpenCV中的HoughCircles函数的参数如下：
image：输入图像，必须是8位单通道灰度图像。method：检测方法，目前主要支持cv2.HOUGH_GRADIENT和cv2.HOUGH_GRADIENT_ALT两种方法，其中后者是前者的改进方法。dp：此参数已在OpenCV的最新版本中弃用。minDist：此参数代表两个圆之间的最小距离。circles：调用HoughCircles函数后，此参数将存储检测到的圆的输出矢量，每个矢量由包含三个元素的浮点矢量（x，y，radius）表示。param1和param2：此参数已在OpenCV的最新版本中弃用。minRadius和maxRadius：这两个参数代表要检测的圆的最小半径和最大半径。
三、完整代码
import sys
import cv2 as cv
import numpy as np
def main(argv):
# 读取图片
default_file = 'data/smarties.png'
filename = argv[0] if len(argv) > 0 else default_file
src = cv.imread(cv.samples.findFile(filename), cv.IMREAD_COLOR)
if src is None:
print ('Error opening image!')
print ('Usage: hough_circle.py [image_name -- default ' + default_file + '] \n')
return -1
# 彩色图转灰度图
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
# 中值滤波，用于降噪
gray = cv.medianBlur(gray, 5)
# 霍夫圆检测
rows = gray.shape[0]
circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, 1, rows / 8,
param1=100, param2=30,
minRadius=1, maxRadius=30)
# 绘制圆
if circles is not None:
circles = np.uint16(np.around(circles))
for i in circles[0, :]:
center = (i[0], i[1]) #圆心
# 绘制圆心
cv.circle(src, center, 1, (0, 100, 100), 3)
# 绘制圆轮廓
radius = i[2]
cv.circle(src, center, radius, (255, 0, 255), 3)
cv.imshow("detected circles", src)
cv.waitKey(0)
return 0
if __name__ == "__main__":
main(sys.argv[1:])
