opencv::霍夫圆变换

 

霍夫圆检测原理

 

 

从平面坐标到极坐标转换三个参数

 

 

假设平面坐标的任意一个圆上的点，转换到极坐标中：
处有最大值，霍夫变换正是利用这个原理实现圆的检测。

 

cv::HoughCircles
因为霍夫圆检测对噪声比较敏感，所以首先要对图像做中值滤波。
基于效率考虑，Opencv中实现的霍夫变换圆检测是基于图像梯度的实现，分为两步：
    1. 检测边缘，发现可能的圆心
    2. 基于第一步的基础上从候选圆心开始计算最佳半径大小

 

HoughCircles(
    InputArray image,         // 输入图像 ,必须是8位的单通道灰度图像
    OutputArray circles,     // 输出结果，发现的圆信息
    Int method,             // 方法 - HOUGH_GRADIENT
    Double dp,                 // dp = 1; 
    Double mindist,         // 10 最短距离-可以分辨是两个圆的，否则认为是同心圆- src_gray.rows/8
    Double param1,             // canny edge detection low threshold
    Double param2,             // 中心点累加器阈值 – 候选圆心
    Int minradius,             // 最小半径
    Int maxradius            //最大半径 
)

 

int main(int argc, char** argv) {
    Mat src, dst;
    src = imread(STRPAHT3);
    if (!src.data) {
        printf("could not load image...\n");
        return -1;
    }
    
    Mat moutput;
    //中值滤波medianBlur
    medianBlur(src, moutput, 3);
    cvtColor(moutput, moutput, CV_BGR2GRAY);

    //基于灰度空间
    vector<Vec3f> pcircles;
    HoughCircles(moutput, pcircles, CV_HOUGH_GRADIENT, 1, 10, 100, 30, 5, 50);
    src.copyTo(dst);
    //重新传回rgb色彩空间
    cvtColor(dst, dst, CV_BGR2GRAY);
    for (size_t i = 0; i < pcircles.size(); i++) {
        Vec3f cc = pcircles[i];
        circle(dst, Point(cc[0], cc[1]), cc[2], Scalar(0, 0, 255), 2, LINE_AA);
        circle(dst, Point(cc[0], cc[1]), 2, Scalar(198, 23, 155), 2, LINE_AA);
    }
    imshow("OUTPUT_TITLE", dst);

    waitKey(0);
}