OpenCV Hough Circle 變換

目標

在本教程中，您將學習如何：

• 使用OpenCV函數(shù)cv :: HoughCircles來檢測圖像中的圓。

理論

Hough Circle變換

• Hough Circle變換的工作原理與上一個教程中解釋的Hough Line變換大致相似。
  
• 在行檢測案例中，一行由兩個參數(shù)(r,θ)。在圓圈中，我們需要三個參數(shù)來定義一個圓：
  

定義中心位置（綠點），r是半徑，這允許我們完全定義一個圓，如下所示：

• 為了實現(xiàn)效率，OpenCV實現(xiàn)了一個比標準霍夫變換（Hough Transform）稍微棘手的檢測方法：霍夫梯度法，由兩個主要階段組成。第一階段涉及邊緣檢測并找到可能的圓心，第二階段為每個候選中心找到最佳的半徑。有關更多詳細信息，請查看學習OpenCV或您最喜歡的計算機視覺參考書

Code

• 這個程序是做什么的？
  

1. 加載圖像并使其模糊，
   
2. 以減少噪音將Hough Circle變換應用于模糊圖像。
   
3. 在窗口中顯示檢測到的圓。
   

• 我們將從這里下載我們將要解釋的示例代碼。這里可以找到一個稍微推薦的版本（顯示用于更改閾值的軌跡條）。
  

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;
static void help()
{
    cout << "\nThis program demonstrates circle finding with the Hough transform.\n"
            "Usage:\n"
            "./houghcircles <image_name>, Default is ../data/board.jpg\n" << endl;
}
int main(int argc, char** argv)
{
    cv::CommandLineParser parser(argc, argv,
        "{help h ||}{@image|../data/board.jpg|}"
    );
    if (parser.has("help"))
    {
        help();
        return 0;
    }
    string filename = parser.get<string>("@image");
    Mat img = imread(filename, IMREAD_COLOR);
    if(img.empty())
    {
        help();
        cout << "can not open " << filename << endl;
        return -1;
    }
    Mat gray;
    cvtColor(img, gray, COLOR_BGR2GRAY);
    medianBlur(gray, gray, 5);
    vector<Vec3f> circles;
    HoughCircles(gray, circles, HOUGH_GRADIENT, 1,
                 gray.rows/16, // change this value to detect circles with different distances to each other
                 100, 30, 1, 30 // change the last two parameters
                                // (min_radius & max_radius) to detect larger circles
                 );
    for( size_t i = 0; i < circles.size(); i++ )
    {
        Vec3i c = circles[i];
        circle( img, Point(c[0], c[1]), c[2], Scalar(0,0,255), 3, LINE_AA);
        circle( img, Point(c[0], c[1]), 2, Scalar(0,255,0), 3, LINE_AA);
    }
    imshow("detected circles", img);
    waitKey();
    return 0;
}

說明

• 加載圖像
  

    string filename = parser.get<string>("@image");
    Mat img = imread(filename, IMREAD_COLOR);
    if(img.empty())
    {
        help();
        cout << "can not open " << filename << endl;
        return -1;
    }

• 將其轉換為灰度：
  

    Mat gray;
    cvtColor(img, gray, COLOR_BGR2GRAY);

• 應用中值模糊以減少噪音，避免假圈檢測：
  

    medianBlur(gray, gray, 5);

繼續(xù)應用Hough Circle變換：

    vector<Vec3f> circles;
    HoughCircles(gray, circles, HOUGH_GRADIENT, 1,
                 gray.rows/16, // change this value to detect circles with different distances to each other
                 100, 30, 1, 30 // change the last two parameters
                                // (min_radius & max_radius) to detect larger circles
                 );

有論據(jù)：

1. gray：輸入圖像（灰度）。
2. circles：存儲套3個的值的矢量：為每個檢測到的圓。xc,yc,r
3. HOUGH_GRADIENT：定義檢測方法。目前這是OpenCV中唯一可用的。
4. dp = 1：分辨率的反比。
5. min_dist = gray.rows / 16：檢測到的中心之間的最小距離。
6. param_1 = 200：內部Canny邊緣檢測器的上限閾值。
7. param_2 = 100 *：中心檢測閾值。
8. min_radius = 0：要檢測的最小半徑。如果未知，則將零置為默認值。
9. max_radius = 0：要檢測的最大半徑。如果未知，則將零置為默認值。

• 繪制檢測到的圓：
  

    for( size_t i = 0; i < circles.size(); i++ )
    {
        Vec3i c = circles[i];
        circle( img, Point(c[0], c[1]), c[2], Scalar(0,0,255), 3, LINE_AA);
        circle( img, Point(c[0], c[1]), 2, Scalar(0,255,0), 3, LINE_AA);
    }

你可以看到，我們將用紅色圓圈和中心繪制一個小綠點

• 顯示檢測到的圓，并等待用戶退出程序：
  

    imshow("detected circles", img);
    waitKey();

結果

使用測試圖像運行代碼的結果如下所示：