霍夫圆变换

目录

• 目标
• 原理
  • 霍夫圆变换
    • 该程序的作用是什么？
• 代码
• 释义
  • 加载图像
  • 转换为灰度图
  • 应用中值滤波以降低噪声并避免错误圆检测
  • 继续进行霍夫圆变换
  • 绘制已检测的圆
  • 显示已检测的圆并等待用户退出程序
• 结果

上一个教程： 霍夫线变换
下一个教程： 使用广义巴拉德-吉尔霍夫变换进行物体检测

作者	Ana Huamán
兼容性	OpenCV >= 3.0

目标

在本教程中，你将学习

• 如何使用 OpenCV 函数 HoughCircles() 检测图像中的圆。

原理

霍夫圆变换

• 霍夫圆变换的工作方式与前一个教程中解释的霍夫线变换大致类似。

• 在检测线的情况下，一条线由两个参数 \((r, \theta)\) 定义。在检测圆的情况下，我们需要三个参数来定义一个圆

  \[C : ( x_{center}, y_{center}, r )\]

  其中\((x_{center}, y_{center})\) 定义圆心位置（绿点），\(r\) 是半径，通过该半径，我们可以完全定义一个圆，如下所示

• 出于效率的考虑，OpenCV 实现了一种比标准霍夫变换稍微复杂一些的检测方法：霍夫梯度法，该法由两个主要阶段组成。第一阶段涉及边缘检测和查找可能的圆心，第二阶段为每个候选圆心找到最佳半径。如需了解更多详情，请查看图书Learning OpenCV 或你最喜欢的计算机视觉参考书目

该程序的作用是什么？

• 加载图像并对其进行模糊处理以降低噪声
• 对模糊图像应用霍夫圆变换。
• 在窗口中显示已检测的圆。

代码

C++

我们解释的示例代码可从 此处 下载。可以从 此处 找到一个稍微花哨的版本（里面提供了改变阈值的可调滑块）。

 
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
 
使用命名空间 cv;
使用命名空间 std;
 
int main(int argc, char** argv)
{
    const char* filename = argc >=2 ? argv[1] : "smarties.png";
 
    // 加载图像
    Mat src = imread( samples::findFile( filename ), IMREAD_COLOR );
 
    // 检查图像是否正确加载
    if(src.empty()){
printf(" 错误，无法打开图像\n");
printf(" 程序参数：[图像名称 -- 默认 %s] \n", filename);
        return EXIT_FAILURE;
    }
 
    Mat gray;
cvtColor(src, gray, COLOR_BGR2GRAY);
 
medianBlur(gray, gray, 5);
 
vector<Vec3f> circles;
HoughCircles(gray, circles, HOUGH_GRADIENT, 1,
gray.rows/16, // 更改此值以检测不同彼此间距的圆
100, 30, 1, 30 // 更改最后两个参数
            // (min_radius & max_radius) 以检测更大的圆
    );
 
    for( size_t i = 0; i < circles.size(); i++ )
    {
        Vec3i c = circles[i];
        Point center = Point(c[0], c[1]);
        // 圆心
circle( src, center, 1, Scalar(0,100,100), 3, LINE_AA);
        // 圆的轮廓线
        int radius = c[2];
circle( src, center, radius, Scalar(255,0,255), 3, LINE_AA);
    }
 
imshow("检测到的圆", src);
waitKey();
 
    return EXIT_SUCCESS;
}

Java

我们可以从 此处 下载我们即将说明的示例代码。

package sample;
import org.opencv.core.*;
import org.opencv.core.Point;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
 
class HoughCirclesRun {
 
    public void run(String[] args) {
 
String default_file = "../../../../data/smarties.png";
String filename = ((args.length > 0) ? args[0] : default_file);
 
        // 加载图像
Mat src = Imgcodecs.imread(filename, Imgcodecs.IMREAD_COLOR);
 
        // 检查图像是否正确加载
        if( src.empty() ) {
System.out.println("Error opening image!");
System.out.println("Program Arguments: [image_name -- default "
+ default_file +"] \n");
System.exit(-1);
        }
 
Mat gray = new Mat();
Imgproc.cvtColor(src, gray, Imgproc.COLOR_BGR2GRAY);
 
Imgproc.medianBlur(gray, gray, 5);
 
Mat circles = new Mat();
Imgproc.HoughCircles(gray, circles, Imgproc.HOUGH_GRADIENT, 1.0,
(double)gray.rows()/16, // 更改此值以检测相互之间距离不同的圆形
100.0, 30.0, 1, 30); // 更改最后两个参数
                // (min_radius & max_radius) 以检测更大的圆
 
        for (int x = 0; x < circles.cols(); x++) {
            double[] c = circles.get(0, x);
Point center = new Point(Math.round(c[0]), Math.round(c[1]));
            // 圆心
Imgproc.circle(src, center, 1, new Scalar(0,100,100), 3, 8, 0 );
            // 圆的轮廓线
            int radius = (int) Math.round(c[2]);
Imgproc.circle(src, center, radius, new Scalar(255,0,255), 3, 8, 0 );
        }
 
HighGui.imshow("detected circles", src);
HighGui.waitKey();
 
System.exit(0);
    }
}
 
public class HoughCircles {
    public static void main(String[] args) {
        // 加载本机库。
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
        new HoughCirclesRun().run(args);
    }
}

Python

我们接下来要讲解的示例代码可以从此处下载。

import sys
import cv2 as cv
import numpy as np
 
 
def main(argv)
    
default_file = 'smarties.png'
filename = argv[0] if len(argv) > 0 else default_file
 
    # 加载图像
src = cv.imread(cv.samples.findFile(filename), cv.IMREAD_COLOR)
 
    # 检查图像是否加载良好
    if src is None
        print ('Error opening image!')
        print ('Usage: hough_circle.py [image_name -- default ' + default_file + '] \n')
        return -1
    
 
    
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
    
 
    
gray = cv.medianBlur(gray, 5)
    
 
    
rows = gray.shape[0]
circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, 1, rows / 8,
param1=100, param2=30,
minRadius=1, maxRadius=30)
    
 
    
    if circles is not None
circles = np.uint16(np.around(circles))
        for i in circles[0, :]
center = (i[0], i[1])
            # 圆心
            cv.circle(src, center, 1, (0, 100, 100), 3)
            # 圆的轮廓
radius = i[2]
            cv.circle(src, center, radius, (255, 0, 255), 3)
    
 
    
    cv.imshow("detected circles", src)
    cv.waitKey(0)
    
 
    return 0
 
 
if __name__ == "__main__"
    main(sys.argv[1:])

说明

我们使用的图像可以在 此处 找到

加载图像

C++

    const char* filename = argc >=2 ? argv[1] : "smarties.png";
 
    // 加载图像
    Mat src = imread( samples::findFile( filename ), IMREAD_COLOR );
 
    // 检查图像是否正确加载
    if(src.empty()){
printf(" 错误，无法打开图像\n");
printf(" 程序参数：[图像名称 -- 默认 %s] \n", filename);
        return EXIT_FAILURE;
    }

Java

String default_file = "../../../../data/smarties.png";
String filename = ((args.length > 0) ? args[0] : default_file);
 
        // 加载图像
Mat src = Imgcodecs.imread(filename, Imgcodecs.IMREAD_COLOR);
 
        // 检查图像是否正确加载
        if( src.empty() ) {
System.out.println("Error opening image!");
System.out.println("Program Arguments: [image_name -- default "
+ default_file +"] \n");
System.exit(-1);
        }

Python

default_file = 'smarties.png'
filename = argv[0] if len(argv) > 0 else default_file
 
    # 加载图像
src = cv.imread(cv.samples.findFile(filename), cv.IMREAD_COLOR)
 
    # 检查图像是否加载良好
    if src is None
        print ('Error opening image!')
        print ('Usage: hough_circle.py [image_name -- default ' + default_file + '] \n')
        return -1

将其转换为灰度

C++

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

Java

Mat gray = new Mat();
Imgproc.cvtColor(src, gray, Imgproc.COLOR_BGR2GRAY);

Python

    # 转换为灰度
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

应用中值模糊以降低噪点并避免错误的圆形检测

C++

medianBlur(gray, gray, 5);

Java

Imgproc.medianBlur(gray, gray, 5);

Python

    # 降低噪点以避免错误的圆形检测
gray = cv.medianBlur(gray, 5)

继续应用霍夫圆变换

C++

vector<Vec3f> circles;
HoughCircles(gray, circles, HOUGH_GRADIENT, 1,
gray.rows/16, // 更改此值以检测不同彼此间距的圆
100, 30, 1, 30 // 更改最后两个参数
            // (min_radius & max_radius) 以检测更大的圆
    );

Java

Mat circles = new Mat();
Imgproc.HoughCircles(gray, circles, Imgproc.HOUGH_GRADIENT, 1.0,
(double)gray.rows()/16, // 更改此值以检测相互之间距离不同的圆形
100.0, 30.0, 1, 30); // 更改最后两个参数
                // (min_radius & max_radius) 以检测更大的圆

Python

rows = gray.shape[0]
circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, 1, rows / 8,
param1=100, param2=30,
minRadius=1, maxRadius=30)

• 使用以下参数
  • gray: 输入图像（灰度）。
  • circles: 一个向量，其中存储每组的 3 个值：\(\_{c}, y_{c}, r\) 用于每个检测到的圆形。
  • HOUGH_GRADIENT: 定义检测方法。目前，这是 OpenCV 中唯一可以使用的。
  • dp = 1: 分辨率的逆比率。
  • min_dist = gray.rows/16: 检测到的中心之间的最小距离。
  • param_1 = 200: 内部 Canny 边缘检测器的较高阈值。
  • param_2 = 100*: 中心检测阈值。
  • min_radius = 0: 检测到的最小半径。如果未知，则默认设置为零。
  • max_radius = 0: 检测到的最大半径。如果未知，则默认设置为零。

绘制检测到的圆形

C++

    for( size_t i = 0; i < circles.size(); i++ )
    {
        Vec3i c = circles[i];
        Point center = Point(c[0], c[1]);
        // 圆心
circle( src, center, 1, Scalar(0,100,100), 3, LINE_AA);
        // 圆的轮廓线
        int radius = c[2];
circle( src, center, radius, Scalar(255,0,255), 3, LINE_AA);
    }

Java

        for (int x = 0; x < circles.cols(); x++) {
            double[] c = circles.get(0, x);
Point center = new Point(Math.round(c[0]), Math.round(c[1]));
            // 圆心
Imgproc.circle(src, center, 1, new Scalar(0,100,100), 3, 8, 0 );
            // 圆的轮廓线
            int radius = (int) Math.round(c[2]);
Imgproc.circle(src, center, radius, new Scalar(255,0,255), 3, 8, 0 );
        }

Python

    if circles is not None
circles = np.uint16(np.around(circles))
        for i in circles[0, :]
center = (i[0], i[1])
            # 圆心
            cv.circle(src, center, 1, (0, 100, 100), 3)
            # 圆的轮廓
radius = i[2]
            cv.circle(src, center, radius, (255, 0, 255), 3)

您可以看到我们将用红色绘制圆形，用小绿点绘制中心

显示检测到的圆形并等待用户退出程序

C++

imshow("检测到的圆", src);
waitKey();

Java

HighGui.imshow("detected circles", src);
HighGui.waitKey();

Python

    cv.imshow("detected circles", src)
    cv.waitKey(0)

结果

以下显示了使用测试图像运行以上代码的结果