HoughCircles函數(shù)

HoughCircles函數(shù)用于在灰度圖像中使用霍夫變換查找圓。該函數(shù)通過修改霍夫變換來實現(xiàn)，通常可以很好地檢測出圓的中心，但可能無法找到正確的半徑。可以通過指定半徑范圍(minRadius和maxRadius)來協(xié)助該函數(shù)，或者在#HOUGH_GRADIENT方法中將maxRadius設(shè)置為負(fù)數(shù)以僅返回圓心而不進(jìn)行半徑搜索，并使用其他過程找到正確的半徑。此外，還可以對圖像進(jìn)行一定程度的平滑處理，除非它已經(jīng)很軟。例如，可以使用7x7內(nèi)核和1.5x1.5 sigma或類似的模糊處理來平滑圖像。

函數(shù)原型：

CV_EXPORTS_W void HoughCircles(InputArray image, OutputArray circles, int method, double dp, double minDist, double param1 = 100, double param2 = 100, int minRadius = 0, int maxRadius = 0 );

參數(shù)說明：

image：輸入圖像，即源圖像，8位單通道圖像，如果使用彩色圖像，需要先轉(zhuǎn)換成灰度圖像；

circles：用來存儲HoughCircles的結(jié)果，類型為list，list中對象格式為x,y,r；
method：定義檢測圖像中圓的方法。目前唯一實現(xiàn)的方法是cv::HOUGH_GRADIENT；
dp：圖像像素分辨率與參數(shù)空間分辨率的比值（官方文檔上寫的是圖像分辨率與累加器分辨率的比值，它把參數(shù)空間認(rèn)為是一個累加器，畢竟里面存儲的都是經(jīng)過的像素點的數(shù)量），dp=1，則參數(shù)空間與圖像像素空間（分辨率）一樣大，dp=2，參數(shù)空間的分辨率只有像素空間的一半大；#通過設(shè)置dp可以減少計算量
minDist：檢測到的圓中心（x,y）坐標(biāo)之間的最小距離。如果minDist太小，則會保留大部分圓心相近的圓。如果minDist太大，則會將圓心相近的圓進(jìn)行合并（若兩圓心距離 < minDist，則認(rèn)為是同一個圓）。
param1：canny 邊緣檢測的高閾值，低閾值被自動置為高閾值的一半，默認(rèn)為 100。；
param2：累加平面某點是否是圓心的判定閾值。大于該閾值才判斷為圓。當(dāng)值設(shè)置的很小是，檢測到的圓越多。默認(rèn)值為 100；
minRadius：半徑的最小大?。ㄒ韵袼貫閱挝唬┠J(rèn)為 0；
maxRadius：半徑的最大大?。ㄒ韵袼貫閱挝唬┠J(rèn)為 0。

使用場景

HoughCircles 是一種圖像處理算法，用于檢測圖像中的圓?；舴驁A檢測能檢測出目標(biāo)圖像中存在的圓，但在實際使用中，參數(shù)調(diào)節(jié)存在很大的困難。

參數(shù)設(shè)置不合理會不僅導(dǎo)致計算量非常大，并且可能無法找不到你想保留的圓。

1）邊緣噪聲濾除

對圖像進(jìn)行 中值濾波 或者 均值濾波 或者 高斯濾波 優(yōu)化，減少圖像中存在的邊緣噪聲。

2）檢測參數(shù)如何設(shè)定

a. 檢索半徑設(shè)定

通過觀察原圖初步確定的圓的像素半徑范圍(對應(yīng)minRadius和maxRadius）。

b. 圓心累加值設(shè)定（對應(yīng)參數(shù)param2）

因為累加圓心(圓弧上的在圓心上的累加值，累加值超過該閾值則被認(rèn)為是一個圓)

c. 圓心距離設(shè)定（對應(yīng)參數(shù)miniDist）

通過觀察原圖所有希望找出的圓，然后確定2個圓心之間最小的距離。

使用案例

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    // 讀取原始圖像
    Mat src = imread("3480e7ce_mk_tk_a_c2_6400_4480.png", IMREAD_COLOR);
    if (src.empty())
    {
        cout << "無法讀取圖像" << endl;
        return -1;
    }

    // 轉(zhuǎn)換為灰度圖像
    Mat grayImage;
    cvtColor(src, grayImage, COLOR_BGR2GRAY);
    imshow("灰度圖", grayImage);
    waitKey(0);

    // 使用濾波器去噪
    Mat blurImage;
    // GaussianBlur(grayImage, blurImage, Size(9, 9), 2, 2); // 高斯濾波
    // medianBlur(grayImage, blurImage, 7); // 中值濾波
    blur(grayImage, blurImage, Size(7,7)); // 均值濾波
    imshow("模糊濾波", blurImage);
    waitKey(0);

    // 使用 Canny 邊緣檢測
    Mat edgesImage;
    Canny(blurImage, edgesImage, 50, 100);
    imshow("邊緣檢測", edgesImage);
    waitKey(0);
    
    clock_t t1 = clock();
    // 使用 HoughCircles 檢測圓
    vector<Vec3f> circles;
    // 設(shè)置Hough變換參數(shù)
    int minDist = 30;   // 最小距離
    int param1 = 100;     // Canny邊緣檢測高閾值  # 保持和和前面Canny的閾值一致
    int param2 = 15;     // Hough變換高閾值
    int minRadius = 10;   // 最小半徑
    int maxRadius = 100;   // 最大半徑
    HoughCircles(blurImage, circles, HOUGH_GRADIENT, 1, minDist,  param1, param2, minRadius, maxRadius);
    clock_t t2 = clock();
    // 在原圖上繪制檢測到的圓
    for (size_t i = 0; i < circles.size(); i++)
    {
        Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
        int radius = cvRound(circles[i][2]);
        circle(src, center, 3, Scalar(0, 255, 0), -1, 8, 0); // 繪制圓心
        circle(src, center, radius, Scalar(0, 0, 255), 3, 8, 0); //繪制空心圓
    }
    clock_t t3 = clock();
    double timeForHoughCircle = (double) (t2 - t1) / CLOCKS_PER_SEC * 1000;
	double timeForDrawCircle = (double) (t3 - t2) / CLOCKS_PER_SEC * 1000;
	cout << "HoughCircles:" << timeForHoughCircle << "ms, DrawCircle:" << timeForDrawCircle << "ms" <<endl;

    // 顯示結(jié)果
    imshow("霍夫圓檢測", src);
    waitKey(0);

    return 0;
}

灰度圖：

?模糊濾波：

?邊緣檢測：

?

霍夫圓檢測結(jié)果：

?

參考資料

opencv 十一 霍夫圓檢測原理及高級使用案例（含優(yōu)化步驟）

?文章來源地址http://www.zghlxwxcb.cn/news/detail-774084.html

到了這里，關(guān)于[C++] opencv - HoughCircles(霍夫圓查找)函數(shù)介紹和使用場景的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！