在学习opencv的过程中,我发现用霍夫圆变换去检测圆的效果并不理想,对不同的图像,需要设置不同的参数,才能得到较好的效果。于是我就想到了利用滑动条来改变参数,这样对不同的图片,只需通过改变滑动条,都可以检测出拟合度较好的圆。
以下为代码:
#include<opencv2/opencv.hpp> #include<opencv2/imgproc/imgproc.hpp> using namespace cv; using namespace std; Mat srcImage=imread("test88.jpg");//读取图像 Mat midImage;//定义临时变量 /*霍夫圆变换参数声明*/ double dp=1.5;//累加器图像的反比分辨率 double min_dist=0.1;//检测到圆心之间的最小距离 int param_1=30;//Canny边缘函数的高阈值 int param_2=20;//圆心检测阈值 int min_radius=0,max_radius=100;//能检测到的最小最大圆半径 void on_Trackbar(int ,void*) { /*霍夫圆变换*/ vector<Vec3f> circles;//声明一个向量,保存检测出的圆的圆心坐标和半径 HoughCircles(midImage, circles,CV_HOUGH_GRADIENT, dp, min_dist, param_1, param_2, min_radius, max_radius); /*把图像复制到srcImage2,让每次回调都重新画图*/ Mat srcImage2; srcImage.copyTo(srcImage2); /*依次在图中绘制出圆*/ for (size_t i = 0; i < circles.size(); i++) { //参数定义 Point center(cvRound(circles[i][0]), cvRound(circles[i][1])); int radius = cvRound(circles[i][2]); circle(srcImage2, center, 3, Scalar(0, 255, 0), -1, 8, 0);//绘制圆心 circle(srcImage2, center, radius, Scalar(0, 0, 255), 2, 8, 0);//绘制圆轮廓 } imshow("【效果图】",srcImage2); } int main() { imshow("【原始图】",srcImage);//显示原始图 threshold(srcImage, midImage, 60, 200.0, CV_THRESH_BINARY);//二值化处理 Canny(midImage,midImage,50,200,3);//canny边缘检测 namedWindow("【效果图】",1); /*创建滑动条*/ createTrackbar("圆心阈值","【效果图】",param_2,50,on_Trackbar); createTrackbar("最小半径","【效果图】",&min_radius,100,on_Trackbar); on_Trackbar(param_2,0); on_Trackbar(min_radius,0); waitKey(0); return 0; }
效果:
可以看到,通过滑动条改变了参数后,得到了较好的拟合效果。
对于不同的图片也可以进行检测:
这里我只创建了2个滑动条,改变了2个参数,如有需要,也可以创建更多的滑动条以达到更好的效果。