OpenCV半小時(shí)掌握基本操作之圓圈檢測(cè)

更新時(shí)間：2021年09月01日 14:59:20 作者：我是小白呀

這篇文章主要介紹了OpenCV基本操作之圓圈檢測(cè)，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下

概述

OpenCV 是一個(gè)跨平臺(tái)的計(jì)算機(jī)視覺庫(kù), 支持多語(yǔ)言, 功能強(qiáng)大. 今天小白就帶大家一起攜手走進(jìn) OpenCV 的世界.

在這里插入圖片描述

霍夫圓變換

霍夫圓變換 (Hough Circle Transform) 的原理和霍夫直線變換類似. 對(duì)于一條直線, 我們可以用參數(shù) (r, θ) 表示, 對(duì)于圓我們需要三個(gè)參數(shù) (x, y, r), 分別代表三個(gè)參數(shù) x 圓心, y 圓心, r, 半徑.

在這里插入圖片描述

代碼實(shí)現(xiàn)

因?yàn)榛舴驁A檢測(cè)對(duì)噪聲比較敏感, 所以首先要對(duì)圖像做中值濾波.

在這里插入圖片描述

基于效率考慮, Opencv 中實(shí)現(xiàn)的霍夫變換圓檢測(cè)是基于圖像梯度實(shí)現(xiàn), 分為兩步:

檢測(cè)變換, 發(fā)現(xiàn)可能的圓心基于第一步的基礎(chǔ)上從候選圓心開始計(jì)算最佳半徑大小

格式:

cv2.HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None)

參數(shù):

image: 輸入圖像

method: 判別方法, 只有 HOUGH_GRADIENT (計(jì)算梯度) 一個(gè)方法

dp: 累計(jì)閾值

minDist: 間距, 小于間距判斷成一個(gè)圓

param1: Canny 邊緣檢測(cè)的最大閾值

param2: 在檢測(cè)階段圓心累加器閾值, 是否為圓形

例一

import numpy as np
import cv2
from matplotlib import pyplot as plt

# 讀取圖片
image = cv2.imread("map.jpg")
image_copy = image.copy()

# 均值遷移濾波
filter = cv2.pyrMeanShiftFiltering(image, 10, 100)

# 轉(zhuǎn)換成灰度圖
filter_gray = cv2.cvtColor(filter, cv2.COLOR_BGR2GRAY)

# 霍夫曼圓圈檢測(cè)
circles = cv2.HoughCircles(filter_gray, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=100, minRadius=0, maxRadius=0)
circles = np.uint16(np.around(circles))

# 遍歷
for circle in circles[0, :]:
    cv2.circle(image_copy, (circle[0], circle[1]), circle[2], (0, 0, 255), 2)
    cv2.circle(image_copy, (circle[0], circle[1]), 2, (255, 0, 0), 2)

# 圖片展示
f, ax = plt.subplots(2, 2, figsize=(12, 12))

# 子圖
ax[0, 0].imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
ax[0, 1].imshow(cv2.cvtColor(filter, cv2.COLOR_BGR2RGB))
ax[1, 0].imshow(filter_gray, "gray")
ax[1, 1].imshow(cv2.cvtColor(image_copy, cv2.COLOR_BGR2RGB))

# 標(biāo)題
ax[0, 0].set_title("original")
ax[0, 1].set_title("image filter")
ax[1, 0].set_title("image gray")
ax[1, 1].set_title("image circle")

plt.show()

# 保存結(jié)果
cv2.imwrite("map_result.jpg", image_copy)

輸出結(jié)果:

在這里插入圖片描述

例二

import numpy as np
import cv2
from matplotlib import pyplot as plt

# 讀取圖片
image = cv2.imread("coin.jpg")
image_copy = image.copy()

# 均值遷移濾波
filter = cv2.pyrMeanShiftFiltering(image, 10, 40)

# 轉(zhuǎn)換成灰度圖
filter_gray = cv2.cvtColor(filter, cv2.COLOR_BGR2GRAY)

# 霍夫曼圓圈檢測(cè)
circles = cv2.HoughCircles(filter_gray, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=100, minRadius=0, maxRadius=0)
circles = np.uint16(np.around(circles))

# 遍歷
for circle in circles[0, :]:
    cv2.circle(image_copy, (circle[0], circle[1]), circle[2], (0, 0, 255), 2)
    cv2.circle(image_copy, (circle[0], circle[1]), 2, (255, 0, 0), 2)

# 圖片展示
f, ax = plt.subplots(2, 2, figsize=(12, 12))

# 子圖
ax[0, 0].imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
ax[0, 1].imshow(cv2.cvtColor(filter, cv2.COLOR_BGR2RGB))
ax[1, 0].imshow(filter_gray, "gray")
ax[1, 1].imshow(cv2.cvtColor(image_copy, cv2.COLOR_BGR2RGB))

# 標(biāo)題
ax[0, 0].set_title("original")
ax[0, 1].set_title("image filter")
ax[1, 0].set_title("image gray")
ax[1, 1].set_title("image circle")

plt.show()

# 保存結(jié)果
cv2.imwrite("coin_result.jpg", image_copy)

輸出結(jié)果:

在這里插入圖片描述