【OpenCV

您所在的位置:网站首页 opencv霍夫圆变换 【OpenCV

【OpenCV

2023-04-13 21:28| 来源: 网络整理| 查看: 265

OpenCV Python Hough 圆变换 【目标】 学习用 Hough 变换检测圆 cv2.HoughCircles() 【理论】

圆的数学表达式是

( x − x c e n t e r ) 2 + ( y − y c e n t e r ) 2 = r 2 (x-x_{center})^2 + (y-y_{center})^2 = r^2 (x−xcenter​)2+(y−ycenter​)2=r2

其中 ( x c e n t e r , y c e n t e r ) (x_{center}, y_{center}) (xcenter​,ycenter​)是圆心, r r r是半径。从方程中我们可以看出有3个参数,所以我们需要一个用于 Hough 变换的3D累加器,这将是非常不奏效的,所以,OpenCV用了一个比较 tricker 的方法,Hough Gradient Method利用了边缘梯度信息。

【代码】

在这里插入图片描述

import numpy as np import cv2 img = cv2.imread("assets/opencv-logo.png", 0) img = cv2.medianBlur(img, 5) img_color = cv2.imread("assets/opencv-logo.png", 1) circles = cv2.HoughCircles(img, method=cv2.HOUGH_GRADIENT, dp=1.2, minDist=3, param1=150, param2=50, minRadius=30, maxRadius=400) circles = np.uint16(np.around(circles)) for i in circles[0, :]: # draw the outer circle cv2.circle(img_color, (i[0], i[1]), i[2], (0, 255, 0), 2) # draw the center of the circle cv2.circle(img_color, (i[0], i[1]), 2, (0, 0, 255), 3) cv2.imshow("detected circles", img_color) cv2.waitKey(0) cv2.destroyAllWindows() 【接口】 HoughCircles() cv2.HoughCircles( image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]] ) -> circles

用 Hough 变换在灰度图像上找圆; 通常检测圆心较好,但是半径不是很精确,可以辅助设置 minRadius 和 maxRadius . HOUGH_GRADIENT方法,可以将 maxRadius 设置为负数,这样只会查找圆心,而不会查找半径,查找半径可以用其他的方法。GaussianBlue() 用 7*7的核,1.5 * 1.5 的sigma,可以使得效果更好一些。

image: 单通道8位灰度图像 circles: 返回的圆的数组(vector/list),元组结构 ( x , y , r a d i u s , v o t e s ) (x, y, radius, votes) (x,y,radius,votes) method: 检测方法,有四种:HOUGH_GRADIENT, HOUGH_STANDARD, HOUGH_PROBABILISTIC, HOUGH_MULTI_SCALE dp: 变换比例系数,累加器分辨率与图像分辨率的反比。如果dp=1,则累加器具有与输入图像相同的分辨率。如果dp=2,蓄能器的宽度和高度为其一半。对于 HOUGH_GRADIENT_ALT ,建议值为dp=1.5,除非需要检测一些非常小的圆。 minDist: 最小距离,圆心之间最小的距离,如果参数非常小,多个相邻的圆会被多检出,如果设置的很大,则会漏掉一些圆。 param1: 第一个与方法相关的参数,在 HOUGH_GRADIENT 和 HOUGH_GRIDIENT_ALT 的情况下,它是传递到 Canny 边缘检测器的两个阈值中的较高阈值(较低的阈值小两倍)。请注意, HOUGH_GRADIENT_ALT 使用 Scharr 算法来计算图像梯度,因此阈值通常应该更高。 param2: 第二个与方法相关的参数,在 HOUGH_GRADIENT 的情况下,它是检测圆心的累加器阈值,越小可能呢检测到的假圆越多。首先返回与较大累加器值相对应的圆。在 HOUGH_GRADIENT_ALT 情况下,它是圆的“完美度”度量,它越接近于1,算法选择的圆越好,在大多数情况下,0.9应该是好的,如果想要更好地检测小圆,可以将其降低到0.85、0.8或更低。也要尝试限制搜索范围[minRadius, maxRadius],避免许多假圆。 minRadius: 最小半径 maxRadius: 最大半径,If


【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3