Python OpenCV基於霍夫圈變換算法檢測圖像中的圓形
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:
- OpenCV霍夫圓變換cv2.HoughCircles()
- Python下opencv使用hough變換檢測直線與圓
- Python+Opencv答題卡識別用例詳解
- Python OpenCV Hough直線檢測算法的原理實現
- Python-OpenCV實現圖像缺陷檢測的實例