使用Python，OpenCV和Hough圓檢測圖像中的圓

• • 1. 效果圖
  • 2. cv2.HoughCircles(image, method, dp, minDist)
  • 3. 源碼
  • 參考

前幾篇博客中有介紹，使用OpenCV檢測圖形中的三角形、正方形、矩形，多邊形；這篇博客將展示如何利用cv2.HoughCircles函數使用OpenCV檢測圖像中的圓圈。

1. 效果圖

圓的檢測要比正方形、矩形的檢測要難，因為不能簡單的根據輪廓的點數來確定圓；

簡單圓的檢測

8個圓的檢測，設置minDist：像素100，檢測的亂七八糟

8個圓的檢測，設置minDist 像素75，發現有點問題，最大的圓并沒有檢測出來，因為設置的圓心之間的距離為75像素

2. cv2.HoughCircles(image, method, dp, minDist)

• image：8位單通道圖像。如果要處理彩色圖像，請先轉換為灰度。
• method：定義檢測圖像中圓圈的方法。當前，唯一實現的方法是cv2.HOUGH_GRADIENT，
• dp：該參數是累加器分辨率與圖像分辨率的反比。本質上，dp越大，累加器陣列越小。
• minDist：檢測到的圓的中心（x，y）坐標之間的最小距離。如果minDist太小，則可能（錯誤地）檢測到與原始對象相同鄰域中的多個圓圈。如果minDist太大，則可能根本檢測不到某些圓圈。
• param1：用于處理邊緣檢測的漸變值。
• param2：cv2.HOUGH_GRADIENT方法的累加器閾值。閾值越小，將檢測到更多的圓圈（包括假圓圈）。閾值越大，可能會返回更多的圈。
• minRadius：半徑的最小大小（以像素為單位）。
• maxRadius：半徑的最大大小（以像素為單位）。

在設置參數時，正確設置minDist參數非常的重要。沒有最佳的minDist值，檢測最終會漏掉某些圓圈○，也可能檢測到許多錯誤的圓圈。

3. 源碼

# USAGE
#  python detect_circles.py --image images/simple.png# 導入必要的包
import argparseimport cv2
import numpy as np# 構建命令行參數及解析
# --image 要檢測圓的圖像路徑
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True, help="Path to the image")
args = vars(ap.parse_args())# 加載圖像，復制到output，并轉換為灰度圖
image = cv2.imread(args["image"])
output = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 在圖像上檢測圓
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1.2, 100)# 確保有圓檢測到進行后續操作
if circles is not None:# 將圓從浮點（x，y）坐標轉換為整數，從而可以在輸出圖像上繪制圓。circles = np.round(circles[0, :]).astype("int")# 遍歷圓的中心點，及半徑for (x, y, r) in circles:# 在輸出圖像上繪制圓，并且在圓中心繪制一個矩形框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)# 展示輸出圖像cv2.imshow("output", np.hstack([image, output]))cv2.waitKey(0)

參考

• https://www.pyimagesearch.com/2014/07/21/detecting-circles-images-using-opencv-hough-circles/

總結

以上是生活随笔為你收集整理的使用Python，OpenCV和Hough圆检测图像中的圆的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。