OpenCV霍夫圓變換cv2.HoughCircles()

# 霍夫圓檢測

import cv2
import numpy as np

cimg = cv2.imread('opencv_logo_350.jpg')
cv2.imshow("origin", cimg)
cv2.waitKey(0)
img = cv2.cvtColor(cimg,cv2.COLOR_BGR2GRAY)
img = cv2.medianBlur(img, 5)
cimg = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

# - img: 待檢測的灰度圖
# - cv2.HOUGH_GRADIENT：檢測的方法，霍夫梯度
# - 1：檢測的圓與原始圖像具有相同的大小，dp=2,檢測的圓是原始圖像的一半
# - 20：檢測到的圓的中心的最小距離（如果參數為太小，除瞭一個真實的圓外，還可能會錯誤地檢測到多個相鄰圓。如果太大，可能會漏掉一些圓。）
# - param1：在#HOUGHŠu梯度的情況下，它是較高的. 兩個閾值傳遞到Canny邊緣檢測器（較低的一個小兩倍）。
# - param2：在#HOUGHŠu梯度的情況下，它是檢測階段圓心的累加器閾值。它越小，就越可能檢測到假圓；
# - minRadius：最小圓半徑，也可能會檢測到假圓
# - maxRadius：最大圓半徑，如果<=0，則使用最大圖像尺寸。如果<0，則返回沒有找到半徑的中心。
circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20,
                           param1=50, param2=40, minRadius=0, maxRadius=0)
# 最小圓半徑設置不合適，也可能會檢測到假圓
# circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20,
#                            param1=50, param2=40, minRadius=0, maxRadius=0)
# circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20,
#                            param1=50, param2=30, minRadius=10, maxRadius=0)

circles = np.uint16(np.around(circles))

print(len(circles))
print(circles)
for i in circles[0, :]:
    # 繪制外圈圓（藍色）
    cv2.circle(cimg, (i[0], i[1]), i[2], (0, 255, 0), 2)

    # 繪制圓心（紅色）
    cv2.circle(cimg, (i[0], i[1]), 2, (0, 0, 255), 3)

cv2.imshow('detected circles', cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()