Python，OpenCV中的霍夫圓變換
-
- 1. 效果圖
- 2. 源碼
- 參考
這篇部落格将學習如何使用霍夫圓變換在圖像中找到圓圈，OpenCV使用cv2.HoughCircles()實作霍夫圓變換。
circles = cv2.HoughCircles(img,
cv2.HOUGH_GRADIENT, 1, 20,
param1=50, param2=40, minRadius=25, maxRadius=0)
- img: 待檢測的灰階圖
- cv2.HOUGH_GRADIENT：檢測的方法，霍夫梯度
- 1：檢測的圓與原始圖像具有相同的大小，dp=2,檢測的圓是原始圖像的一半
- 20：檢測到的相鄰圓的中心的最小距離（如果參數太小，除了一個真實的圓外，還可能會錯誤地檢測到多個相鄰圓。如果太大，可能會漏掉一些圓。）
- param1：在#HOUGHŠu梯度的情況下，它是較高的. 兩個門檻值傳遞到Canny邊緣檢測器（較低的一個小兩倍）。
- param2：在#HOUGHŠu梯度的情況下，它是檢測階段圓心的累加器門檻值。它越小，就越可能檢測到假圓；
- minRadius：最小圓半徑
- maxRadius：最大圓半徑，如果<=0，則使用最大圖像尺寸。如果<0，則傳回沒有找到半徑的中心。
1. 效果圖
原始圖 VS 檢測圓效果圖如下：
如下右圖可以看到3個外側圓綠色，圓心紅色被成功檢測到；
圓的最小半徑設定由25調整為10，也可能會錯誤的檢測到圓，效果圖如下：
檢測圓半徑的門檻值（param2設定35）的結果，最小圓半徑設定10，也可能會錯誤的檢測到圓，效果圖如下：
2. 源碼
# 霍夫圓檢測
import cv2
import numpy as np
cimg = cv2.imread('opencv_logo_350.jpg')
cv2.imshow("origin", cimg)
cv2.waitKey(0)
img = cv2.cvtColor(cimg,cv2.COLOR_BGR2GRAY)
img = cv2.medianBlur(img, 5)
cimg = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
# - img: 待檢測的灰階圖
# - cv2.HOUGH_GRADIENT：檢測的方法，霍夫梯度
# - 1：檢測的圓與原始圖像具有相同的大小，dp=2,檢測的圓是原始圖像的一半
# - 20：檢測到的圓的中心的最小距離（如果參數為太小，除了一個真實的圓外，還可能會錯誤地檢測到多個相鄰圓。如果太大，可能會漏掉一些圓。）
# - param1：在#HOUGHŠu梯度的情況下，它是較高的. 兩個門檻值傳遞到Canny邊緣檢測器（較低的一個小兩倍）。
# - param2：在#HOUGHŠu梯度的情況下，它是檢測階段圓心的累加器門檻值。它越小，就越可能檢測到假圓；
# - minRadius：最小圓半徑，也可能會檢測到假圓
# - maxRadius：最大圓半徑，如果<=0，則使用最大圖像尺寸。如果<0，則傳回沒有找到半徑的中心。
circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20,
param1=50, param2=40, minRadius=0, maxRadius=0)
# 最小圓半徑設定不合适，也可能會檢測到假圓
# circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20,
# param1=50, param2=40, minRadius=0, maxRadius=0)
# circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20,
# param1=50, param2=30, minRadius=10, maxRadius=0)
circles = np.uint16(np.around(circles))
print(len(circles))
print(circles)
for i in circles[0, :]:
# 繪制外圈圓（藍色）
cv2.circle(cimg, (i[0], i[1]), i[2], (0, 255, 0), 2)
# 繪制圓心（紅色）
cv2.circle(cimg, (i[0], i[1]), 2, (0, 0, 255), 3)
cv2.imshow('detected circles', cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()
參考
- https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_houghcircles/py_houghcircles.html#hough-circles