使用C++、opencv进行工地环境下，钢管数量的检测

相关重要API：

void HoughCircles(InputArray image,OutputArray circles, int method, double dp, double minDist, double param1=100,double param2=100, int minRadius=0, int maxRadius=0)

第一个参数，InputArray类型的image，输入图像，即源图像，需为8位的灰度单通道图像。

第二个参数，InputArray类型的circles，经过调用HoughCircles函数后此参数存储了检测到的圆的输出矢量，每个矢量由包含了3个元素的浮点矢量(x, y, radius)表示。

第三个参数，int类型的method，即使用的检测方法，目前OpenCV中就霍夫梯度法一种可以使用，它的标识符为CV_HOUGH_GRADIENT，在此参数处填这个标识符即可。

第四个参数，double类型的dp，用来检测圆心的累加器图像的分辨率于输入图像之比的倒数，且此参数允许创建一个比输入图像分辨率低的累加器。上述文字不好理解的话，来看例子吧。例如，如果dp= 1时，累加器和输入图像具有相同的分辨率。如果dp=2，累加器便有输入图像一半那么大的宽度和高度。

第五个参数，double类型的minDist，为霍夫变换检测到的圆的圆心之间的最小距离，即让我们的算法能明显区分的两个不同圆之间的最小距离。这个参数如果太小的话，多个相邻的圆可能被错误地检测成了一个重合的圆。反之，这个参数设置太大的话，某些圆就不能被检测出来了。

第六个参数，double类型的param1，有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示传递给canny边缘检测算子的高阈值，而低阈值为高阈值的一半。

第七个参数，double类型的param2，也有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示在检测阶段圆心的累加器阈值。它越小的话，就可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了。

第八个参数，int类型的minRadius,有默认值0，表示圆半径的最小值。

第九个参数，int类型的maxRadius,也有默认值0，表示圆半径的最大值。

需要注意的是，使用此函数可以很容易地检测出圆的圆心，但是它可能找不到合适的圆半径
----------------------------------------------------------------------------------------

void circle(CV_IN_OUT Mat& img, Point center, int radius, const Scalar& color, int thickness=1, int lineType=8, int shift=0);

img为图像，单通道多通道都行，不需要特殊要求

center为画圆的圆心坐标

radius为圆的半径

color为设定圆的颜色，比如用CV_RGB(255, 0,0)设置为红色， CV_RGB(255, 255,255)设置为白色，CV_RGB(0, 0,0)设置为黑色

thickness为设置圆线条的粗细，值越大则线条越粗，为负数则是填充效果

lineType为线型，有默认值8，代表8联通型；

-----------------------------------------------------------------------------

代码如下：

#include "stdafx.h"
#include <opencv2\core\core.hpp>
#include <opencv2\imgproc\imgproc.hpp>
#include <opencv2\highgui\highgui.hpp>
using namespace cv;
//定义全局变量
Mat src, blurimg, grayimg,cannyimage;//源图像，模糊后图像，灰度图像，canny边缘检测后图像
int centerdist, cannyvalue, roundness, minradius, maxradius;//霍夫圆变换的参数

//滑动条回调函数
void on_centerdist(int, void*);
void on_cannyvalue(int, void*);
void on_roundness(int, void*);
void on_minradius(int, void*);
void on_maxradius(int, void*);

//存储圆轮廓
std::vector<Vec3f> circles;

int main()
{
	system("color 02");

	//霍夫圆变幻的参数初始值
	centerdist = 10;
	cannyvalue = 100;
	roundness = 30;
	minradius = 15;
	maxradius = 50;

	namedWindow("canny", WINDOW_AUTOSIZE);
	namedWindow("dst", WINDOW_AUTOSIZE);

	//创建各个参数的滑动条
	createTrackbar("cannyvalue", "canny", &cannyvalue, 300, on_cannyvalue);
	on_cannyvalue(0, 0);
	
	createTrackbar("centdist", "dst", &centerdist, 100, on_centerdist);
	on_centerdist(0, 0);
	createTrackbar("roundness", "dst", &roundness, 100, on_roundness);
	on_roundness(0, 0);
	createTrackbar("minradius", "dst", &minradius, 100, on_minradius);
	on_minradius(0, 0);
	createTrackbar("maxradius", "dst", &maxradius, 300, on_maxradius);
	on_maxradius(0, 0);
	
	
	waitKey();
	return 0;
}
//cannyvalue,centerdist,roundness, minradius, maxradius;
void on_cannyvalue(int, void*)
{
	//读入源图
	src = imread("../2.jpg");
	//使用高斯滤波模糊图像
	GaussianBlur(src, blurimg, Size(3, 3), 0);
	//namedWindow("canny", WINDOW_AUTOSIZE);
	//imshow("canny", blurimg);
	//转化为灰度图
	cvtColor(src, grayimg, COLOR_BGR2GRAY);

	//Canny算子
	Canny(grayimg, cannyimage, cannyvalue / 2, cannyvalue, 3);
	//膨胀操作
	Mat element = getStructuringElement(MORPH_ELLIPSE, Size(3, 3));
	morphologyEx(cannyimage, cannyimage, MORPH_DILATE, element);
	//显示效果图
	imshow("canny", cannyimage);
}

void on_centerdist(int, void*)
{
	src = imread("../2.jpg");
	//清空原来轮廓
	circles.clear();
	//霍夫圆变换，寻找圆
	HoughCircles(cannyimage, circles, HOUGH_GRADIENT, 1, centerdist, cannyvalue, roundness, minradius, maxradius);
	//画出找到的圆
	for (size_t i = 0; i < circles.size(); i++)
	{
		Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
		int radius = cvRound(circles[i][2]);

		//circle(src, center, 3, Scalar(0, 255, 0), 1, 8, 0);
		circle(src, center, radius, Scalar(0, 0, 255), 2, 8, 0);
	}
	//左上角显示找到的圆的个数，即钢管数量
	putText(src, std::to_string((unsigned int)circles.size()), Point(1, 25), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 255, 255), 2, 8);
	imshow("dst", src);
}

void on_roundness(int, void*)
{
	src = imread("../2.jpg");
	circles.clear();
	HoughCircles(cannyimage, circles, HOUGH_GRADIENT, 1, centerdist, cannyvalue, roundness, minradius, maxradius);
	for (size_t i = 0; i < circles.size(); i++)
	{
		Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
		int radius = cvRound(circles[i][2]);

		//circle(src, center, 3, Scalar(0, 255, 0), 1, 8, 0);
		circle(src, center, radius, Scalar(0, 0, 255), 2, 8, 0);
	}

	putText(src, std::to_string((unsigned int)circles.size()), Point(1, 25), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 255, 255), 2, 8);
	imshow("dst", src);
}

void on_minradius(int, void*)
{
	src = imread("../2.jpg");
	circles.clear();
	HoughCircles(cannyimage, circles, HOUGH_GRADIENT, 1, centerdist, cannyvalue, roundness, minradius, maxradius);
	for (size_t i = 0; i < circles.size(); i++)
	{
		Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
		int radius = cvRound(circles[i][2]);

		//circle(src, center, 3, Scalar(0, 255, 0), 1, 8, 0);
		circle(src, center, radius, Scalar(0, 0, 255), 2, 8, 0);
	}

	putText(src, std::to_string((unsigned int)circles.size()), Point(1, 25), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 255, 255), 2, 8);
	imshow("dst", src);
}

void on_maxradius(int, void*)
{
	src = imread("../2.jpg");
	circles.clear();
	HoughCircles(cannyimage, circles, HOUGH_GRADIENT, 1, centerdist, cannyvalue, roundness, minradius, maxradius);
	for (size_t i = 0; i < circles.size(); i++)
	{
		Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
		int radius = cvRound(circles[i][2]);

		//circle(src, center, 3, Scalar(0, 255, 0), 1, 8, 0);
		circle(src, center, radius, Scalar(0, 0, 255), 2, 8, 0);
	}

	putText(src, std::to_string((unsigned int)circles.size()), Point(1, 25), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 255, 255), 2, 8);
	imshow("dst", src);
}

源图像：

canny边缘检测图像：

霍夫圆变换找到的圆：

可以看到，基本上都找到了，粗看一下少数了4根，应该可以通过调节canny的阈值，和霍夫变换的参数达到更好的效果。

部分参考：毛星云《OpenCV3编程入门》

自然环境下工地钢管数量检测（边缘检测、霍夫圆检测）

使用C++、opencv进行工地环境下，钢管数量的检测

猜你喜欢