Python OpenCV基於霍夫圈變換算法檢測圖像中的圓形

Posted on by

第一章：霍夫變換檢測圓

① 實例演示1

這個是設定半徑范圍 0-50 後的效果。

② 實例演示2

這個是設定半徑范圍 50-70 後的效果，因為原圖稍微大一點，半徑也大瞭一些。

③ 霍夫變換函數解析

cv.HoughCircles() 方法

參數分別為：image、method、dp、minDist、param1、param2、minRadius、maxRadius

其中：

  • image 為灰度圖像；
  • method 使用的方法為霍夫梯度法，目前已知的有 HOUGH_GRADIENT 和 HOUGH_GRADIENT_ALT 兩種，後者的準確率會更高一點；
  • dp 為累加器分辨率與圖片分辨率的反比。
  • minDist 為兩個圓中心的最小距離；
  • param1 對於 CV_HOUGH_GRADIENT 表示傳入 canny 邊緣檢測的閾值；
  • param2 對於 CV_HOUGH_GRADIENT 表示檢測階段圓心的累加閾值，值越小能檢測出的圓越多，值越大的話就檢測出來的少，但是檢測出來的圓形相比於沒檢測出來的會更圓、更完美一些；
  • minRadius 為最小半徑；
  • minRadius 為最大半徑；

首先通過均值偏移濾波降噪來排除幹擾的點，提高識別的準確率，然後進行灰度處理。

# 均值偏移濾波降噪處理
mean_filter_img = cv.pyrMeanShiftFiltering(image, 10, 100)
cv.imshow("mean_filter_img", mean_filter_img)

# 圖像灰度處理
gray_img = cv.cvtColor(mean_filter_img, cv.COLOR_BGR2GRAY)

# 霍夫圈變換
# 參數分別為：image, method, dp, minDist, param1, param2, minRadius, maxRadius
# 其中：image為灰度圖像，method使用的方法為霍夫梯度法，minDist兩個圓中心的最小距離
circles = cv.HoughCircles(gray_img, cv.HOUGH_GRADIENT, 1, 30, param1=50, param2=30, minRadius=0, maxRadius=50)

第二章：Python + opencv 完整檢測代碼

① 源代碼

# -*- coding:utf-8 -*-
# 2021-12-17
# 作者：小藍棗
# opencv圓形檢測

import cv2 as cv
import numpy as np

def detect_circle(image):
    '''
     作用：圓形檢測
     參數：需要檢測圓的圖片
     返回：檢測出圓形的信息
    '''
    # 均值偏移濾波降噪處理
    mean_filter_img = cv.pyrMeanShiftFiltering(image, 10, 100)
    cv.imshow("mean_filter_img", mean_filter_img)
    
    # 圖像灰度處理
    gray_img = cv.cvtColor(mean_filter_img, cv.COLOR_BGR2GRAY)
    
    # 霍夫圈變換
    # 參數分別為：image, method, dp, minDist, param1, param2, minRadius, maxRadius
    # 其中：image為灰度圖像，method使用的方法為霍夫梯度法，minDist兩個圓中心的最小距離
    circles = cv.HoughCircles(gray_img, cv.HOUGH_GRADIENT, 1, 30, param1=50, param2=30, minRadius=0, maxRadius=50)
    
    # 對數據進行取整
    print("取整前信息：" + str(circles))
    circles = np.uint16(np.around(circles))
    print("取整後信息：" + str(circles))
    
    return circles
    
def draw_circle(img, circles):
    '''
     作用：根據圓形信息在圖片中繪制圓
     參數1：原始圖片信息
     參數2：圓形坐標信息
     返回：無
    '''
    for i in circles[0, :]:
        # 繪制圓外圈
        # 參數分別為：圓心、半徑、顏色、線框寬度
        cv.circle(img, (i[0], i[1]), i[2], (0, 0, 255), 2)
        # 繪制圓心 
        cv.circle(img, (i[0], i[1]), 2, (255, 0, 0), 2)
    cv.imshow("draw_circle_img", img)

# 讀取圖片信息
img = cv.imread("./image/meixi.jpg")

# 設置窗口不可改變大小（參數包含：WINDOW_AUTOSIZE、WINDOW_NORMAL、WINDOW_OPENGL）
cv.namedWindow("original image", cv.WINDOW_AUTOSIZE)
cv.imshow("original image", img)

# 檢測圓
circles = detect_circle(img)
#繪制圓
draw_circle(img, circles)

cv.waitKey(0)
cv.destroyAllWindows()

② 運行效果圖

原始圖片：

降噪後效果：

霍夫變換檢測圓處理後效果：

取整後效果圖：

到此這篇關於Python OpenCV基於霍夫圈變換算法檢測圖像中的圓形的文章就介紹到這瞭,更多相關OpenCV霍夫圈變換算法檢測圓形內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：