霍夫圆变换

目录

• 目标
• 理论
  • 霍夫圆变换
    • 此程序的作用是什么？
• 代码
• 解释
  • 加载图像
  • 将其转换为灰度图
  • 应用中值模糊以减少噪声并避免错误的圆检测
  • 继续应用霍夫圆变换
  • 绘制检测到的圆
  • 显示检测到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Ballard和Guil霍夫变换进行对象检测

原始作者	Ana Huamán
兼容性	OpenCV >= 3.0

目标

在本教程中，您将学习如何

• 使用OpenCV函数 HoughCircles() 在图像中检测圆。

理论

霍夫圆变换

• 霍夫圆变换的原理与上一个教程中解释的霍夫线变换的原理大致相似。

• 在线检测的情况下，一条线由两个参数 \((r, \theta)\) 定义。在圆检测的情况下，我们需要三个参数来定义一个圆

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

  其中 \((x_{center}, y_{center})\) 定义了中心位置（绿色点），\(r\) 是半径，这使我们能够完全定义一个圆，如下图所示

• 为了效率起见，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，它由两个主要阶段组成。第一阶段涉及边缘检测和寻找可能的圆心，第二阶段为每个候选圆心找到最佳半径。欲了解更多详情，请查阅《Learning OpenCV》一书或您喜欢的计算机视觉参考文献。

该程序做什么？

• 加载图像并进行模糊处理以减少噪声
• 对模糊图像应用霍夫圆变换。
• 在窗口中显示检测到的圆。

代码

C++

我们将解释的示例代码可以从此处下载。一个稍微更高级的版本（显示用于更改阈值的跟踪条）可以在此处找到。

 
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
 
using namespace cv;
using namespace 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 );
 
    // 检查图像是否加载成功
    if(src.empty()){
printf(" Error opening image\n");
printf(" Program Arguments: [image_name -- default %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, // 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) 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);
        // 圆轮廓
        int radius = c[2];
circle( src, center, radius, Scalar(255,0,255), 3, LINE_AA);
    }
 
imshow("detected circles", src);
cv::Mat::empty
 
    return EXIT_SUCCESS;
}

Java

我们将解释的示例代码可以从此处下载。

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);
 
        // 检查图像是否加载成功
        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, // change this value to detect circles with different distances to each other
100.0, 30.0, 1, 30); // change the last two parameters
                // (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 );
            // 圆轮廓
            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) {
        // 加载本地库。
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
        new HoughCirclesRun().run(args);
    }
}

Python

我们将解释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)
 
    # Check if image is loaded fine
    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])
            # circle center
            cv.circle(src, center, 1, (0, 100, 100), 3)
            # circle outline
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:])

解释

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 );
 
    // 检查图像是否加载成功
    if(src.empty()){
printf(" Error opening image\n");
printf(" Program Arguments: [image_name -- default %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);
 
        // 检查图像是否加载成功
        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)
 
    # Check if image is loaded fine
    if src is None
        print ('Error opening image!')
        print ('Usage: hough_circle.py [image_name -- default ' + default_file + '] \n')
        return -1

转换为灰度图像

C++

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

Java

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

Python

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

应用中值模糊以减少噪声并避免错误的圆检测

C++

    medianBlur(gray, gray, 5);

Java

Imgproc.medianBlur(gray, gray, 5);

Python

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, // 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) 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, // change this value to detect circles with different distances to each other
100.0, 30.0, 1, 30); // change the last two parameters
                // (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)

• 参数如下：
  • gray: 输入图像（灰度图）。
  • circles: 一个向量，存储每个检测到的圆的3个值集：\(x_{c}, y_{c}, r\)。
  • HOUGH_GRADIENT: 定义检测方法。目前这是OpenCV中唯一可用的方法。
  • dp = 1: 分辨率的反比。
  • min_dist = gray.rows/16: 检测到的圆心之间的最小距离。
  • param_1 = 200: 内部Canny边缘检测器的上限阈值。
  • param_2 = 100*: 中心检测的阈值。
  • min_radius = 0: 要检测的最小半径。如果未知，默认为0。
  • max_radius = 0: 要检测的最大半径。如果未知，默认为0。

绘制检测到的圆

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);
        // 圆轮廓
        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 );
            // 圆轮廓
            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])
            # circle center
            cv.circle(src, center, 1, (0, 100, 100), 3)
            # circle outline
radius = i[2]
            cv.circle(src, center, radius, (255, 0, 255), 3)

你可以看到，我们用红色绘制圆，并用小绿点标记圆心。

显示检测到的圆并等待用户退出程序

C++

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

Java

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

Python

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

结果

使用测试图像运行上述代码的结果如下所示