Python Opencv实践 - 霍夫圆检测（Hough Circles）

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

img = cv.imread("../SampleImages/steelpipes.jpg")
print(img.shape)
plt.imshow(img[:,:,::-1])

#转为二值图
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
plt.imshow(gray, cmap = plt.cm.gray)

#Canny边缘检测(此步骤可以不做)
edges = cv.Canny(gray, 70, 120)
plt.imshow(edges, plt.cm.gray)

#霍夫圆检测
#cv.HoughCircles(image,method,dp,minDist[,circles[,param1[,param2[,minRadius[,maxRadius]]]]])
#image：输入图像，8bit单通道图像。
#method：检测方法，当前有cv2.HOUGH_GRADIENT和cv2.HOUGH_GRADIENT_ALT 2种方法，后者是前者的改进方法。
#dp：检测圆心的累加器精度和图像精度比的倒数，比如dp=1时累加器和输入图像有相同的分辨率，dp=2时累加器是输入图像一半大的宽高；method=cv2.HOUGH_GRADIENT_ALT时推荐设置dp=1.5。
#minDist：检测到圆心的间距，设置的越小可能检测的圆形越多，设置的越大可能会错过一些圆形的检测。
#param1：特定方法参数，和method配合；当method=cv2.HOUGH_GRADIENT或method=cv2.HOUGH_GRADIENT_ALT时，该参数是canny检测的高阈值，低阈值是该参数的一半；method=cv2.HOUGH_GRADIENT_ALT时，内部使用Scharr计算图像梯度，这个值通常要设置得更大。
#param2：特定方法参数，和method配合；当method=cv2.OUGH_GRADIENT，它表示检测阶段圆心的累加器阈值，越小就会检测到更多的圆，越大能通过检测的圆就更加精确。当method=cv2.HOUGH_GRADIENT_ALT时，该参数可以看做是圆的“完美性”度量，它越接近1算法选择的圆形形状越好，一般可以设置在0.9。如果想要更好地检测小圆，可以设置在0.85、0.8甚至更小，通过限制搜索范围[minRadius，maxRadius]可以避免出现许多假圆。
#minRadius：最小圆半径。
#maxRadius：最大圆半径，如果设置为<=0，使用最大图像尺寸；如果<0时且method=cv2.HOUGH_GRADIENT用来查找圆心而忽略半径的查找，method=cv2.HOUGH_GRADIENT_ALT不受影响，始终会去找半径。
#circles：返回的圆形的点，是一个三维数组，HOUGH_GRADIENT和HOUGH_GRADIENT_ALT 2种不同方法返回的圆形数组形式有差异
#参考资料：https://blog.csdn.net/juzicode00/article/details/122263456
circles = cv.HoughCircles(edges, cv.HOUGH_GRADIENT, 1, 200, param1=100, param2=50, minRadius=20, maxRadius=200)
circles = np.uint16(np.around(circles))

#绘制结果到原图
for c in circles[0, :]:
    #绘制圆周
    cv.circle(img, (c[0], c[1]), c[2], (0,255,0), 2)
    #绘制圆心
    cv.circle(img, (c[0], c[1]), 2, (0,0,255), 3)
plt.imshow(img[:,:,::-1])