使用python opencv和HoughCircles检测图像中的圆 |
您所在的位置：网站首页 › imfindcircles函数园检测用法总结 › 使用python opencv和HoughCircles检测图像中的圆 |
使用python opencv和HoughCircles检测图像中的圆
|
使用opencv检测图像中的圆要比检测具有尖锐边缘的其他形状困难得多。下面展示如何使用该cv2.HoughCircles函数通过opencv检测图像中的圆。 cv2.HoughCircles函数检测图像中的圆，你需要使用cv2.HoughCircles函数。但该函数使用起来并不是一件容易的事。 cv2.HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None) image：8位单通道图像，如果使用彩色图像，需要先转换成灰度图像；method：定义检测图像中圆的方法。目前唯一实现的方法是cv2.HOUGH_GRADIENT；dp：图像像素分辨率与参数空间分辨率的比值（官方文档上写的是图像分辨率与累加器分辨率的比值，它把参数空间认为是一个累加器，毕竟里面存储的都是经过的像素点的数量），dp=1，则参数空间与图像像素空间（分辨率）一样大，dp=2，参数空间的分辨率只有像素空间的一半大；minDist：检测到的圆的中心，（x,y）坐标之间的最小距离。如果minDist太小，则可能导致检测到多个相邻的圆。如果minDist太大，则可能导致很多圆检测不到；param1：用于处理边缘检测的梯度值方法；param2：cv2.HOUGH_GRADIENT方法的累加器阈值。阈值越小，检测到的圆越多；minRadius：半径的最小大小（以像素为单位）；maxRadius：半径的最大大小（以像素为单位）。 在设置该函数的参数值中，该minDist参数正确设置显得尤为的重要，没有最佳的minDist值，可能最终会检测不到我们理想中的圆，或者可能检测到许多错误的圆。 建立项目detectCircles.py，代码如下： #! /usr/bin/env python # -*- coding: utf-8 -*- import numpy as np import cv2 def detectCircles(): # 加载图像 image = cv2.imread('./images/circle_2.png') output = image.copy() # 转换成灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 检测圆 circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1.2, 75) # 确保至少找到一个圆 if circles is not None: # 将圆(x, y)坐标和半径转换成int circles = np.round(circles[0, :]).astype('int') for (x, y, r) in circles: # 绘制圆和半径矩形到output cv2.circle(output, (x, y), r, (0, 255, 0), 4) cv2.rectangle(output, (x-5, y-5), (x+5, y+5), (0, 128, 255), -1) cv2.imshow('output', np.hstack([image, output])) cv2.waitKey(0) cv2.destroyAllWindows() def main(): detectCircles() if __name__ == "__main__": main() 运行代码，结果如下： 在这篇文章中，展示了如何使用cv2.HoughCircles在python opencv中检测图像中的圆，与检测图像中的正方形和矩形不同，检测圆形实际上要困难得多。 下载源代码和素材 参考资料https://www.pyimagesearch.com |
该cv2.HoughCircles函数只能检测到七个圆，而不是八个圆。这是因为大外圆的中心（x，y）坐标与内圆相同，因此舍去了内圆。【本文地址】
今日新闻 |
推荐新闻 |