Opencv-霍夫圆检测-代码解析-Toy模板网

这篇具有很好参考价值的文章主要介绍了Opencv-霍夫圆检测-代码解析。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

前言

一、霍夫圆检测代码

二、函数解析

1.cv2.HoughCircles函数

2.双边滤波：bilateralFilter() 函数

3.形态学操作-开运算

4.cv2.circle()-画圆

5.cv2.putText函数

6.opencv的RGB 颜色表

7.cv2.imshow和cv2.waitKey函数

编辑

8.霍夫圆思路

总结

前言

刚入门opencv时，霍夫圆检测是一个很好的练手项目，下面我将会展示代码，并对函数进行解析。

一、霍夫圆检测代码

import numpy as np
import cv2


cap =cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FOURCC, cv2.VideoWriter_fourcc('M', 'J', 'P', 'G'))  #前一个代表用4个字符表示的视频编码格式  #后一个为保存的视频格式

# ret = cap.set(3, 640)  # 设置帧宽
# ret = cap.set(4, 480)  # 设置帧高
font = cv2.FONT_HERSHEY_SIMPLEX  # 设置字体样式
kernel = np.ones((5, 5), np.uint8)  # 卷积核

if cap.isOpened() is True:  # 检查摄像头是否正常启动
    while True:
        ret, frame = cap.read()
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)   # 转换为灰色通道
        hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)  # 转换为HSV空间

        #  消除噪声
        opening = cv2.morphologyEx(gray, cv2.MORPH_OPEN, kernel)  # 形态学开运算
        bila = cv2.bilateralFilter(opening, 10, 100, 200)  # 双边滤波消除噪声
        edges = cv2.Canny(opening, 50, 100)  # 边缘识别
        # 识别圆形
        circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 50, param1=100, param2=75, minRadius=10, maxRadius=240)
        if circles is not None:  # 如果识别出圆
            for circle in circles[0]:
                #  获取圆的坐标与半径
                x = int(circle[0])
                y = int(circle[1])
                r = int(circle[2])
                cv2.circle(frame, (x, y), r, (0, 255, 0), 3)  # 标记圆
                cv2.circle(frame, (x, y), 6, (255, 255, 0), -1)  # 标记圆心
                text = 'x:  ' + str(x) + ' y:  ' + str(y)
                cv2.putText(frame, text, (10, 30), font, 1, (0, 255, 0), 2, cv2.LINE_AA, 0)  # 显示圆心位置
        else:
            # 如果识别不出，显示圆心不存在
            cv2.putText(frame, 'x: None y: None', (10, 30), font, 1, (0, 255, 0), 2, cv2.LINE_AA, 0)
        cv2.imshow('frame', frame)
        cv2.imshow('edges', edges)
        k = cv2.waitKey(5) & 0xFF
        if k == 27:
            break
    cap.release()
    cv2.destroyAllWindows()
else:
    print('cap is not opened!')

二、函数解析

1.cv2.HoughCircles函数

circles = cv2.HoughCircles(image, method, dp, minDist, param1=100, param2=100, minRadius=0, maxRadius=0)

1.image：输入图像（灰度图）/输入摄像头设备

2.method：使用霍夫变换圆检测的算法，参数为cv2.HOUGH_GRADIENT

3.dp：霍夫空间的分辨率，dp=1时表示霍夫空间与输入图像空间的大小一致，dp=2时霍夫空间是输入图像空间的一半，以此类推（显示圆关键）

4.minDist：为圆心之间的最小距离，如果检测到的两个圆心之间距离小于该值，则认为它们是同一个圆心（值小会检测到多个圆，值过大无法检测到圆）

5.param1：边缘检测时使用Canny算子的高阈值，低阈值是高阈值的一半

6.param2∶检测圆心和确定半径时所共有的阈值（实际上是显示假圆的数目，值越高，显示出假圆数目越少；param2是检测阶段圆心的累加器阈值。它越小，可能检测到的假圆越多（因为满足累加器上限的条件变多了）。与累加器最大数值结果代表的圆将被首先返回。）

7.minRadius和maxRadius：为所检测到的圆半径的最小值和最大值

circles：输出圆向量，包括三个浮点型的元素――圆心横坐标，圆心纵坐标和圆半径。（赋值时按默认顺序赋值即可，注意数据类型）

2.双边滤波：bilateralFilter() 函数

bilateralFilter ( InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT )

1.src：输入图像

2.d：过滤时周围每个像素领域的直径

3.sigmaColor：在color space中过滤sigma。参数越大，临近像素将会在越远的地方mix。

4.sigmaSpace：在coordinate space中过滤sigma。参数越大，那些颜色足够相近的的颜色的影响越大。

3.形态学操作-开运算

opening= cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

Opencv-霍夫圆检测-代码解析

4.cv2.circle()-画圆

它有五个参数:

img：要划的线所在的图像;
pt1：圆心坐标
pt2：半径（　
color：颜色
thickness=1：线条粗细,默认是1.如果一个闭合图形设置为-1，那么整个图形就会被填充（可以改变数值）

如果画圆心 cv2.circle(frame, (x, y), 6, (255, 255, 0), -1) # 标记圆心

5.cv2.putText函数

cv2.putText(image, text, (5,50 ), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2)

图片
要添加的文字
文字添加到图片上的位置
字体的类型
字体大小
字体颜色
字体粗细

6.opencv的RGB 颜色表

RGB（255,23,140）是光的三原色，也即是红绿蓝Red，Green，Blue，它们的最大值是255，相当于100%。

白色：rgb(255,255,255)

黑色：rgb(0,0,0)

红色：rgb(255,0,0)

绿色：rgb(0,255,0)

蓝色：rgb(0,0,255)

青色：rgb(0,255,255)

紫色：rgb(255,0,255)

Opencv-霍夫圆检测-代码解析

7.cv2.imshow和cv2.waitKey函数

cv2.imshow()函数需要两个输入，一个是图像窗口的名字即title，一个是所展示图片的像素值矩阵。

waitkey控制着imshow的持续时间，当imshow之后不跟waitkey时，相当于没有给imshow提供时间展示图像，所以只有一个空窗口一闪而过。添加了waitkey后，哪怕仅仅是cv2.waitkey(1),我们也能截取到一帧的图像。所以cv2.imshow后边是必须要跟cv2.waitkey的。

8.霍夫圆思路

本次程序引用cv2和numpy。使用cv2.videocapture开启摄像头，默认摄像头数据为0，若有多个摄像头依次添加即可。可进行摄像头参数设置，使用cap.set，同时利用它设置帧宽和帧高。摄像头是否开启的检测使用使用cap.isOpened() is True，true代表框是否闭合，如不闭合，使用false。同时对图片换名，转换为灰色通道和hsv空间，开启形态学开运算，实际上包括膨胀和腐蚀，也是去除杂质一种方法。接下来进行消噪，采用双边滤波方法，使用bilateralFilter() 函数，接下来进行边缘识别，采用cv2.Canny函数。最重要的我们将识别圆，采用cv2.HoughCircles函数，circles = cv2.HoughCircles(image, method, dp, minDist, param1=100, param2=100, minRadius=0, maxRadius=0)，同时它的返回值为包括三个浮点型的元素――圆心横坐标，圆心纵坐标和圆半径。（赋值时按默认顺序赋值即可，注意数据类型）最后检测一下是否识别到圆：if circles is not None。X,y,r值赋值、标识圆和圆心：cv2.circle(frame, (x, y), 6, (255, 255, 0), -1),-1其实代表一种检测，如果图形为闭合，那么图形将被填充。在窗口上打印出圆心的坐标，如果没有识别圆心，输出没有。

Cv2.imshou显示出两个窗口，一个灰度，一个正常。同时采用cv2.waitkey函数。k = cv2.waitKey(5) & 0xFF写法默认吧。