【OpenCV-Python】教程:3-14 Hough 圆变换

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 (xxcenter)2+(yycenter)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】

在这里插入图片描述

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

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 minRadiusmaxRadius . 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()7*7的核,1.5 * 1.5sigma,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_GRADIENTHOUGH_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】

  1. OpenCV官方文档

猜你喜欢

转载自blog.csdn.net/zhoujinwang/article/details/128155609