scikit-image库-- 圆形和椭圆形霍夫变换（十七）

最简单形式的霍夫变换是一种检测直线的方法，但它也可用于检测圆或椭圆。该算法假设检测到边缘并且它对噪声或缺失点具有鲁棒性。

圆检测

在以下示例中，Hough变换用于检测硬币位置并匹配其边缘。我们提供一系列合理的半径。对于每个半径，提取两个圆圈，我们最终保留五个最突出的候选者。结果表明，硬币位置被很好地检测到。

算法概述

给定白色背景上的黑色圆圈，我们首先猜测其半径（或半径范围）以构建新圆。该圆圈应用于原始图像的每个黑色像素，并且该圆圈的坐标在累加器中进行投票。从这种几何结构，原始圆心位置获得最高分。请注意，累加器大小构建为大于原始图像，以便检测帧外的中心。它的尺寸扩大了半径更大的两倍。

import numpy as np
import matplotlib.pyplot as plt

from skimage import data, color
from skimage.transform import hough_circle, hough_circle_peaks
from skimage.feature import canny
from skimage.draw import circle_perimeter
from skimage.util import img_as_ubyte
%matplotlib inline

# Load picture and detect edges
image = img_as_ubyte(data.coins()[160:230, 70:270]) #将图像转换为8位无符号整数格式。

edges = canny(image, sigma=3, low_threshold=10, high_threshold=50)


# Detect two radii
hough_radii = np.arange(20, 35,