houghcircle函数_Hough Circle 变换

目标

在本教程中，您将学习如何：使用OpenCV函数cv :: HoughCircles来检测图像中的圆。

理论

Hough Circle变换Hough Circle变换的工作原理与上一个教程中解释的Hough Line变换大致相似。

在行检测案例中，一行由两个参数(r,θ)。在圆圈中，我们需要三个参数来定义一个圆：

 (xcenter,ycenter)

定义中心位置(绿点)，r是半径，这允许我们完全定义一个圆，如下所示：

为了实现效率，OpenCV实现了一个比标准霍夫变换(Hough Transform)稍微棘手的检测方法：霍夫梯度法，由两个主要阶段组成。第一阶段涉及边缘检测并找到可能的圆心，第二阶段为每个候选中心找到最佳的半径。有关更多详细信息，请查看学习OpenCV或您最喜欢的计算机视觉参考书

Code这个程序是做什么的？加载图像并使其模糊，

以减少噪音将Hough Circle变换应用于模糊图像。

在窗口中显示检测到的圆。我们将从这里下载我们将要解释的示例代码。这里可以找到一个稍微推荐的版本(显示用于更改阈值的轨迹条)。#include "opencv2/imgcodecs.hpp"

#include "opencv2/highgui.hpp"

#include "opencv2/imgproc.hpp"

#include

using namespace cv;

using namespace std;

static void help()

{

cout << "\nThis program demonstrates circle finding with the Hough transform.\n"

"Usage:\n"

"./houghcircles , Default is ../data/board.jpg\n" << endl;

}

int main(int argc, char** argv)

{

cv::CommandLineParser parser(argc, argv,

"{help h ||}{@image|../data/board.jpg|}"

);

if (parser.has("help"))

{

help();

return 0;

}

string filename = parser.get("@image");

Mat img = imread(filename, IMREAD_COLOR);

if(img.empty())

{

help();

cout << "can not open " << filename << endl;

return -1;

}

Mat gray;

cvtColor(img, gray, COLOR_BGR2GRAY);

medianBlur(gray, gray, 5);

vector 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];

circle( img, Point(c[0], c[1]), c[2], Scalar(0,0,255), 3, LINE_AA);

circle( img, Point(c[0], c[1]), 2, Scalar(0,255,0), 3, LINE_AA);

}

imshow("detected circles", img);

waitKey();

return 0;

}

说明加载图像string filename = parser.get("@image");

Mat img = imread(filename, IMREAD_COLOR);

if(img.empty())

{

help();

cout << "can not open " << filename << endl;

return -1;

}将其转换为灰度：Mat gray;

cvtColor(img, gray, COLOR_BGR2GRAY);应用中值模糊以减少噪音，避免假圈检测：medianBlur(gray, gray, 5);

继续应用Hough Circle变换：vector 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

);

有论据：gray：输入图像(灰度)。

circles：存储套3个的值的矢量：为每个检测到的圆。xc,yc,r

HOUGH_GRADIENT：定义检测方法。目前这是OpenCV中唯一可用的。

dp = 1：分辨率的反比。

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 *：中心检测阈值。

min_radius = 0：要检测的最小半径。如果未知，则将零置为默认值。

max_radius = 0：要检测的最大半径。如果未知，则将零置为默认值。

绘制检测到的圆：for( size_t i = 0; i < circles.size(); i++ )

{

Vec3i c = circles[i];

circle( img, Point(c[0], c[1]), c[2], Scalar(0,0,255), 3, LINE_AA);

circle( img, Point(c[0], c[1]), 2, Scalar(0,255,0), 3, LINE_AA);

}

你可以看到，我们将用红色圆圈和中心绘制一个小绿点

显示检测到的圆，并等待用户退出程序：imshow("detected circles", img);

waitKey();

结果

使用测试图像运行代码的结果如下所示：