Python+OpenCV图像处理之圆检测
2020-12-13 04:01
标签：mic 相同 必须 imp 结果 die 噪声 设定 src 霍夫变换不仅可以用来检测直线，同样也可以用来检测圆 python实现 运行结果如下，效果并不是很好，可能是参数设置的不好，利用霍夫变换来检测圆很容易受到噪声的干扰，而且不能检测椭圆，找不到同心圆 cv2.HoughCircles(image, method, dp, minDist, circles, param1, param2, minRadius, maxRadius) 参数： method:检测方法,常用CV_HOUGH_GRADIENT dp:检测内侧圆心的累加器图像的分辨率于输入图像之比的倒数，如dp=1，累加器和输入图像具有相同的分辨率,如果dp=2，累计器便有输入图像一半那么大的宽度和高度 minDist: 两个圆心之间的最小距离 param1: 是method方法的参数,在CV_HOUGH_GRADIENT表示传入canny边缘检测的阈值 param2:对当前唯一的方法霍夫梯度法cv2.HOUGH_GRADIENT，它表示在检测阶段圆心的累加器阈值 它越小，就越可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了 minRadius:默认值0，圆半径的最小值 maxRadius:默认值0，圆半径的最大值 cv2.circle是画圆函数(img, center, radius, color[, thickness[, lineType[, shift]]]) -> img 参数：img：源图像 center：圆心坐标 radius：圆的半径 color：设定圆的颜色 thickness：如果是正数，表示圆轮廓的粗细程度。如果是负数，表示要绘制实心圆 lineType：圆线条的类型 shift：圆心坐标和半径值中的小数位数 Python+OpenCV图像处理之圆检测 标签：mic 相同 必须 imp 结果 die 噪声 设定 src 原文地址：https://www.cnblogs.com/qianxia/p/11102409.htmlimport cv2
import numpy as np
__author__ = "boboa"
def detect_circles_demo(image):
dst = cv2.pyrMeanShiftFiltering(image, 10, 100) # 均值偏移滤波
cimage = cv2.cvtColor(dst, cv2.COLOR_BGR2GRAY)
circles = cv2.HoughCircles(cimage, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=40, minRadius=0, maxRadius=0)
# 整数化，#把circles包含的圆心和半径的值变成整数
circles = np.uint16(np.around(circles))
for i in circles[0, :]:
# 画出外边圆
cv2.circle(image, (i[0], i[1]), i[2], (0, 255, 0), 2)
# 画出圆心
cv2.circle(image, (i[0], i[1]), 2, (0, 0, 255), 3)
cv2.imshow("circles", image)
if __name__ == "__main__":
img = cv2.imread("image/circles.jpg")
cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
cv2.imshow("input image", img)
detect_circles_demo(img)
cv2.waitKey(0)
cv2.destroyAllWindows()
image:输入图像，必须是灰度图像