霍夫變換檢測圓形

【opencv入門教程之十四】opencv霍夫變換：霍夫線變換，霍夫圓變換合輯

houghcircles函式可以利用霍夫變換演算法檢測出灰度圖中的圓。它和之前的houghlines和houghlinesp比較明顯的乙個區別是它不需要源圖是二值的，而houghlines和houghlinesp都需要源圖為二值影象。

1
void houghcircles(inputarray image,outputarray circles, int method, double dp, double mindist, double param1=100,double param2=100, int minradius=0, int maxradius=0 )

1 mat src_color = imread("
c:/users/administrator/desktop/環形計數專利/樣本影象/白環.png
");//
讀取原彩色圖  2//
imshow("原圖-彩色", src_color);34
//宣告乙個三通道影象，畫素值全為0，用來將霍夫變換檢測出的圓畫在上面  
5mat dst(src_color.size(), src_color.type());
6     dst = scalar::all(0);7
8     mat src_gray;//
彩色影象轉化成灰度圖  
9cvtcolor(src_color, src_gray, cv_bgr2gray);
10     threshold(src_gray, src_gray, 100, 255
, cv_thresh_otsu);
11     src_gray = 255 -src_gray;
12     imshow("
原圖-灰度
", src_gray);
13//
imwrite("src_gray.png", src_gray);
1415     mat bf;//
對灰度影象進行雙邊濾波  
16     bilateralfilter(src_gray, bf, kvalue, kvalue * 2, kvalue / 2
);17
//imshow("灰度雙邊濾波處理", bf);
18//
imwrite("src_bf.png", bf);
1920     vectorcircles;//
宣告乙個向量，儲存檢測出的圓的圓心座標和半徑  
21     houghcircles(bf, circles, cv_hough_gradient, 1.5, 20, 130, 38, 10, 50);//
霍夫變換檢測圓  
22     cout << circles.size() <
23//
cout << "x=\ty=\tr=" << endl;
2425
for (size_t i = 0; i < circles.size(); i++)//
把霍夫變換檢測出的圓畫出來  
2636
37     imshow("
特徵提取
", dst);
38//
imwrite("dst.png", dst);
3940     waitkey();

霍夫梯度法的缺點<1> 在霍夫梯度法中，使用sobel導數來計算區域性梯度，其可以視作等同於一條區域性切線，這不是乙個數值穩定的做法。在大多數情況下，這樣做會得到正確的結果，但或許會在輸出中產生一些雜訊。

<2> 在邊緣影象中的整個非0畫素集被看做每個中心的候選部分。因此，如果把累加器的閾值設定偏低，演算法將要消耗比較長的時間。第三，因為每乙個中心只選擇乙個圓，如果有同心圓，就只能選擇其中的乙個。

<3> 因為中心是按照其關聯的累加器值的公升序排列的，並且如果新的中心過於接近之前已經接受的中心的話，就不會被保留下來。且當有許多同心圓或者是近似的同心圓時，霍夫梯度法的傾向是保留最大的乙個圓。可以說這是一種比較極端的做法，因為在這裡預設sobel導數會產生雜訊，若是對於無窮解析度的平滑影象而言的話，這才是必須的。

從實際執行的結果來看，我們發現houghcircles函式不足之處是所需要的引數較多，而且每個引數的改變對結果影響都很大，即漏檢和錯檢的機率很大。

霍夫變換檢測圓形

霍夫變換圓形檢測（基於OpenCV Python）

Hough Transform 霍夫變換檢測直線

霍夫變換檢測直線

霍夫變換檢測圓形

霍夫變換圓形檢測（基於OpenCV Python）

Hough Transform 霍夫變換檢測直線

霍夫變換檢測直線

相關推薦