返回:OpenCV系列文章目录（持续更新中......）
上一篇：OpenCV实现霍夫变换
下一篇:OpenCV 实现重新映射
目标
在本教程中，您将学习如何：
- 使用 OpenCV 函数 HoughCircles()检测图像中的圆圈。
理论
Hough 圆变换
- Hough Circle 变换的工作方式与上一教程中介绍的 Hough Line 变换大致相似。
-
在线路检测情况下，一条线路由两个参数 (r,Q)定义。在圆的情况下，我们需要三个参数来定义一个圆：
其中 (xcenter,ycenter)定义中心位置(绿点,),r是半径，这让我们可以完全定义一个圆，如下图所示：
- 为了提高效率，OpenCV 实现了一种比标准 Hough 变换稍微棘手的检测方法：Hough 梯度方法，它由两个主要阶段组成。第一阶段涉及边缘检测和查找可能的圆心，第二阶段为每个候选中心找到最佳半径。有关更多详细信息，请查看《学习 OpenCV》一书或您最喜欢的计算机视觉参考书目
-
这个程序是做什么的？
- 加载图像并对其进行模糊处理以减少噪点
- 将 Hough Circle 变换应用于模糊图像。
- 在窗口中显示检测到的圆圈。
C++代码
我们将要解释的示例代码可以从这里下载。可以在此处找到一个稍微花哨的版本（显示用于更改阈值的跟踪栏）。
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
const char* filename = argc >=2 ? argv[1] : "smarties.png";
// Loads an image
Mat src = imread( samples::findFile( filename ), IMREAD_COLOR );
// Check if image is loaded fine
if(src.empty()){
printf(" Error opening image\n");
printf(" Program Arguments: [image_name -- default %s] \n", filename);
return EXIT_FAILURE;
}
Mat gray;
cvtColor(src, gray, COLOR_BGR2GRAY);
medianBlur(gray, gray, 5);
vector<Vec3f> circles;
HoughCircles(gray, circles, HOUGH_GRADIENT, 1,
gray.rows/16, // change this value to detect circles with different distances to each other
100, 30, 1, 30 // change the last two parameters
// (min_radius & max_radius) to detect larger circles
);
for( size_t i = 0; i < circles.size(); i++ )
{
Vec3i c = circles[i];
Point center = Point(c[0], c[1]);
// circle center
circle( src, center, 1, Scalar(0,100,100), 3, LINE_AA);
// circle outline
int radius = c[2];
circle( src, center, radius, Scalar(255,0,255), 3, LINE_AA);
}
imshow("detected circles", src);
waitKey();
return EXIT_SUCCESS;
}解释
我们使用的图像可以在这里找到
加载图像：
const char* filename = argc >=2 ? argv[1] : "smarties.png";
// Loads an image
Mat src = imread( samples::findFile( filename ), IMREAD_COLOR );
// Check if image is loaded fine
if(src.empty()){
printf(" Error opening image\n");
printf(" Program Arguments: [image_name -- default %s] \n", filename);
return EXIT_FAILURE;
}将其转换为灰度：
Mat gray;
cvtColor(src, gray, COLOR_BGR2GRAY);应用中值模糊以减少噪点并避免误圆检测：
medianBlur(gray, gray, 5);继续应用 Hough Circle 变换：
vector<Vec3f> circles;
HoughCircles(gray, circles, HOUGH_GRADIENT, 1,
gray.rows/16, // change this value to detect circles with different distances to each other
100, 30, 1, 30 // change the last two parameters
// (min_radius & max_radius) to detect larger circles
);- 带有参数：
- 灰色：输入图像（灰度）。
- circles：存储 3 个值集的向量：xc1,yc1 对于每个检测到的圆。
- HOUGH_GRADIENT：定义检测方法。目前，这是 OpenCV 中唯一可用的。
- dp = 1：分辨率的倒比。
- min_dist = gray.rows/16：检测到的中心之间的最小距离。
- param_1 = 200：内部 Canny 边缘检测器的上限阈值。
- param_2 = 100*：中心检测的阈值。
- min_radius = 0：要检测的最小半径。如果未知，则将零作为默认值。
- max_radius = 0：要检测的最大半径。如果未知，则将零作为默认值。
绘制检测到的圆圈：
for( size_t i = 0; i < circles.size(); i++ )
{
Vec3i c = circles[i];
Point center = Point(c[0], c[1]);
// circle center
circle( src, center, 1, Scalar(0,100,100), 3, LINE_AA);
// circle outline
int radius = c[2];
circle( src, center, radius, Scalar(255,0,255), 3, LINE_AA);
}你可以看到，我们将用红色画圆圈，用一个小绿点画中心
显示检测到的圆圈并等待用户退出程序：
imshow("detected circles", src);
waitKey();结果
使用测试图像运行上述代码的结果如下所示：
参考文献：
1、《Hough Circle Transform》------Ana Huamán
