OpenCV Python Hough 圆变换
【目标】
- 学习用 Hough 变换检测圆
- cv2.HoughCircles()
【理论】
圆的数学表达式是
( x − x c e n t e r ) 2 + ( y − y c e n t e r ) 2 = r 2 (x-x_{center})^2 + (y-y_{center})^2 = r^2 (x−xcenter)2+(y−ycenter)2=r2
其中 ( x c e n t e r , y c e n t e r ) (x_{center}, y_{center}) (xcenter,ycenter)是圆心, r r r是半径。从方程中我们可以看出有3个参数,所以我们需要一个用于 Hough 变换的3D累加器,这将是非常不奏效的,所以,OpenCV用了一个比较 tricker 的方法,Hough Gradient Method利用了边缘梯度信息。
【代码】
import numpy as np
import cv2
img = cv2.imread("assets/opencv-logo.png", 0)
img = cv2.medianBlur(img, 5)
img_color = cv2.imread("assets/opencv-logo.png", 1)
circles = cv2.HoughCircles(img, method=cv2.HOUGH_GRADIENT, dp=1.2, minDist=3,
param1=150, param2=50, minRadius=30, maxRadius=400)
circles = np.uint16(np.around(circles))
for i in circles[0, :]:
# draw the outer circle
cv2.circle(img_color, (i[0], i[1]), i[2], (0, 255, 0), 2)
# draw the center of the circle
cv2.circle(img_color, (i[0], i[1]), 2, (0, 0, 255), 3)
cv2.imshow("detected circles", img_color)
cv2.waitKey(0)
cv2.destroyAllWindows()
【接口】
- HoughCircles()
cv2.HoughCircles( image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]] ) -> circles
用
Hough
变换在灰度图像上找圆;
通常检测圆心较好,但是半径不是很精确,可以辅助设置minRadius
和maxRadius
.HOUGH_GRADIENT
方法,可以将maxRadius
设置为负数,这样只会查找圆心,而不会查找半径,查找半径可以用其他的方法。GaussianBlue()
用7*7
的核,1.5 * 1.5
的sigma
,可以使得效果更好一些。
- image: 单通道8位灰度图像
- circles: 返回的圆的数组(vector/list),元组结构 ( x , y , r a d i u s , v o t e s ) (x, y, radius, votes) (x,y,radius,votes)
- method: 检测方法,有四种:
HOUGH_GRADIENT
,HOUGH_STANDARD
,HOUGH_PROBABILISTIC
,HOUGH_MULTI_SCALE
- dp: 变换比例系数,累加器分辨率与图像分辨率的反比。如果
dp=1
,则累加器具有与输入图像相同的分辨率。如果dp=2
,蓄能器的宽度和高度为其一半。对于HOUGH_GRADIENT_ALT
,建议值为dp=1.5
,除非需要检测一些非常小的圆。- minDist: 最小距离,圆心之间最小的距离,如果参数非常小,多个相邻的圆会被多检出,如果设置的很大,则会漏掉一些圆。
- param1: 第一个与方法相关的参数,在
HOUGH_GRADIENT
和HOUGH_GRIDIENT_ALT
的情况下,它是传递到Canny
边缘检测器的两个阈值中的较高阈值(较低的阈值小两倍)。请注意,HOUGH_GRADIENT_ALT
使用Scharr
算法来计算图像梯度,因此阈值通常应该更高。- param2: 第二个与方法相关的参数,在 HOUGH_GRADIENT 的情况下,它是检测圆心的累加器阈值,越小可能呢检测到的假圆越多。首先返回与较大累加器值相对应的圆。在 HOUGH_GRADIENT_ALT 情况下,它是圆的“完美度”度量,它越接近于1,算法选择的圆越好,在大多数情况下,0.9应该是好的,如果想要更好地检测小圆,可以将其降低到0.85、0.8或更低。也要尝试限制搜索范围[minRadius, maxRadius],避免许多假圆。
- minRadius: 最小半径
- maxRadius: 最大半径,
If <= 0
, 用最大的图像维度,If < 0
,HOUGH_GRADIENT
: 只返回圆心不返回半径.HOUGH_GRADIENT_ALT
: 总是返回半径和圆心.
【参考】
- OpenCV官方文档