霍夫圆变换原理
1、从平面坐标到极坐标转换是三个参数从C(x0,y0,r)其中x0,y0是圆心
2、假设平面坐标的任意一个圆上的点,转换到极坐标中:C(x0,y0,r)处有最大值,霍夫变换正是利用这个原理实现元的检测。
(上面的一段话,个人不是很理解,先记下来,慢慢理解。)
现实考量:
1、因为霍夫圆检测对噪声比较敏感,所以首先要对图像做中值滤波。
2、基于效率考虑,OpenCV中实现的霍夫变换圆检测是基于图像梯度的实现,分为两步
a、检测边缘,发现可能的圆心
b、基于第一步的基础上从候选圆心画圆。
import cv2 as cv
import numpy as np
def detect_circle_demo(image):
# 中值滤波
dst = cv.pyrMeanShiftFiltering(image, 10, 100)
# 灰度转换
cimage = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)
# param1、param2分别是高低阈值
circles = cv.HoughCircles(cimage, cv.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)
circles = np.uint16(np.around(circles))
for i in circles[0, :]:
# 绘制圆
cv.circle(image, (i[0], i[1]), i[2], (0, 0, 255), 2)
# 绘制圆心
cv.circle(image, (i[0], i[1]), 2, (255, 0, 0), 2)
cv.imshow('circles', image)
src = cv.imread('C:/Users/Y/Pictures/Saved Pictures/coins.jpg')
cv.namedWindow('input image', cv.WINDOW_AUTOSIZE)
cv.imshow('input image', src)
detect_circle_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()