Python OpenCV霍夫圆变换HoughCircles（）

由于最近的事情一直有涉及霍夫圆变换，免得老翻书，这里记录下：
不用多说，OpenCV利用的是梯度法Python的API函数如下：
cv2.HoughCircles(image,method,dp,minDist[, circles[,param1, param2[,minRadius[,
maxRadius]]]]])
其返回N个圆的信息储存在1×N×的ndarray。

* image 不用多说，输入矩阵
* method cv2.HOUGH_GRADIENT 也就是霍夫圆检测，梯度法
* dp
计数器的分辨率图像像素分辨率与参数空间分辨率的比值（官方文档上写的是图像分辨率与累加器分辨率的比值，它把参数空间认为是一个累加器，毕竟里面存储的都是经过的像素点的数量），dp=1，则参数空间与图像像素空间（分辨率）一样大，dp=2，参数空间的分辨率只有像素空间的一半大
* minDist 圆心之间最小距离，如果距离太小，会产生很多相交的圆，如果距离太大，则会漏掉正确的圆
* param1 canny检测的双阈值中的高阈值，低阈值是它的一半
* param2 最小投票数（基于圆心的投票数）
* minRadius 需要检测院的最小半径
* maxRadius 需要检测院的最大半径
在上我以前写的代码
from PIL import Image import cv2 import matplotlib.pyplot as plt import numpy
as np img = cv2.imread('05.jpg') GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
GrayImage= cv2.medianBlur(GrayImage,5) ret,th1 = cv2.threshold(GrayImage,127,255
,cv2.THRESH_BINARY) th2 = cv2.adaptiveThreshold(GrayImage,255
,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,3,5) th3 =
cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
cv2.THRESH_BINARY,3,5) kernel = np.ones((5,5),np.uint8) erosion =
cv2.erode(th2,kernel,iterations=1) dilation =
cv2.dilate(erosion,kernel,iterations=1) imgray=cv2.Canny(erosion,30,100)
circles = cv2.HoughCircles(imgray,cv2.HOUGH_GRADIENT,1,20, param1=50,param2=30
,minRadius=20,maxRadius=40) circles = np.uint16(np.around(circles)) for i in
circles[0,:]: # draw the outer circle cv2.circle(img,(i[0],i[1]),i[2],(0,255,0),
2) # draw the center of the circle cv2.circle(img,(i[0],i[1]),2,(0,0,255),3)
print(len(circles[0,:])) cv2.imshow('detected circles',img) cv2.waitKey(0)
cv2.destroyAllWindows()
下面是效果图：

• « 上一篇：Android天气预报详解
• » 下一篇：机器学习之软间隔支持向量机（机器学习技法）