霍夫圆变换

目标

• 我们将学习使用霍夫变换在图像中查找圆形。
• 我们将学习这些函数： cv.HoughCircles()

理论

圆在数学上表示为 \((x-x_{center})^2 + (y - y_{center})^2 = r^2\)，其中 \((x_{center},y_{center})\) 为圆心，\(r\) 为圆的半径。从该方程中，我们可以看到我们有 3 个参数，因此我们需要 3D 累加器进行霍夫变换，这将非常低效。因此，OpenCV 使用了一种更巧妙的方法，即霍夫梯度法，它使用边缘的梯度信息。

我们使用以下函数： cv.HoughCircles (image, circles, method, dp, minDist, param1 = 100, param2 = 100, minRadius = 0, maxRadius = 0)

参数

image	8 位、单通道、灰度输入图像。
circles	发现的圆形输出向量(cv.CV_32FC3 类型)。每个向量编码为 3 元素浮点向量 (x,y,radius)。
method	检测方法(请参见 cv.HoughModes)。目前，唯一实施的方法是 HOUGH_GRADIENT
dp	累加器分辨率对图像分辨率的倒数比。例如，如果 dp = 1，则累加器具有与输入图像相同的分辨率。如果 dp = 2，则累加器具有减半的宽度和高度。
minDist	检测到的圆形中心的最小距离。如果该参数过小，则除了真实的圆形外，还可能错误地检测到多个相邻圆形。如果太大，则可能错过一些圆形。
param1	第一个特定于方法的参数。对于 HOUGH_GRADIENT，它是传递给 Canny 边缘检测器的两个参数中的较高阈值(较低阈值小两倍)。
param2	第二个特定于方法的参数。对于 HOUGH_GRADIENT，它是检测阶段圆形中心点的累加器阈值。该阈值越小，可能检测到的错误圆形就越多。首先会返回与较大累加器值相对应的圆形。
minRadius	最小圆形半径。
maxRadius	最大圆形半径。

试一试