【OpenCV】基本操作 圆圈检测
Opencv 检测 基本操作 圆圈
2023-09-27 14:20:54 时间
概述
OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界. (第 14 课)
霍夫圆变换
霍夫圆变换 (Hough Circle Transform) 的原理和霍夫直线变换类似. 对于一条直线, 我们可以用参数 (r, θ) 表示, 对于圆我们需要三个参数 (x, y, r), 分别代表三个参数 x 圆心, y 圆心, r, 半径.
代码实现
因为霍夫圆检测对噪声比较敏感, 所以首先要对图像做中值滤波.
基于效率考虑, Opencv 中实现的霍夫变换圆检测是基于图像梯度实现, 分为两步:
- 检测变换, 发现可能的圆心
- 基于第一步的基础上从候选圆心开始计算最佳半径大小
格式:
cv2.HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None)
参数:
- image: 输入图像
- method: 判别方法, 只有 HOUGH_GRADIENT (计算梯度) 一个方法
- dp: 累计阈值
- minDist: 间距, 小于间距判断成一个圆
- param1: Canny 边缘检测的最大阈值
- param2: 在检测阶段圆心累加器阈值, 是否为圆形
例一
import numpy as np
import cv2
from matplotlib import pyplot as plt
# 读取图片
image = cv2.imread("map.jpg")
image_copy = image.copy()
# 均值迁移滤波
filter = cv2.pyrMeanShiftFiltering(image, 10, 100)
# 转换成灰度图
filter_gray = cv2.cvtColor(filter, cv2.COLOR_BGR2GRAY)
# 霍夫曼圆圈检测
circles = cv2.HoughCircles(filter_gray, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=100, minRadius=0, maxRadius=0)
circles = np.uint16(np.around(circles))
# 遍历
for circle in circles[0, :]:
cv2.circle(image_copy, (circle[0], circle[1]), circle[2], (0, 0, 255), 2)
cv2.circle(image_copy, (circle[0], circle[1]), 2, (255, 0, 0), 2)
# 图片展示
f, ax = plt.subplots(2, 2, figsize=(12, 12))
# 子图
ax[0, 0].imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
ax[0, 1].imshow(cv2.cvtColor(filter, cv2.COLOR_BGR2RGB))
ax[1, 0].imshow(filter_gray, "gray")
ax[1, 1].imshow(cv2.cvtColor(image_copy, cv2.COLOR_BGR2RGB))
# 标题
ax[0, 0].set_title("original")
ax[0, 1].set_title("image filter")
ax[1, 0].set_title("image gray")
ax[1, 1].set_title("image circle")
plt.show()
# 保存结果
cv2.imwrite("map_result.jpg", image_copy)
输出结果:
例二
import numpy as np
import cv2
from matplotlib import pyplot as plt
# 读取图片
image = cv2.imread("coin.jpg")
image_copy = image.copy()
# 均值迁移滤波
filter = cv2.pyrMeanShiftFiltering(image, 10, 40)
# 转换成灰度图
filter_gray = cv2.cvtColor(filter, cv2.COLOR_BGR2GRAY)
# 霍夫曼圆圈检测
circles = cv2.HoughCircles(filter_gray, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=100, minRadius=0, maxRadius=0)
circles = np.uint16(np.around(circles))
# 遍历
for circle in circles[0, :]:
cv2.circle(image_copy, (circle[0], circle[1]), circle[2], (0, 0, 255), 2)
cv2.circle(image_copy, (circle[0], circle[1]), 2, (255, 0, 0), 2)
# 图片展示
f, ax = plt.subplots(2, 2, figsize=(12, 12))
# 子图
ax[0, 0].imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
ax[0, 1].imshow(cv2.cvtColor(filter, cv2.COLOR_BGR2RGB))
ax[1, 0].imshow(filter_gray, "gray")
ax[1, 1].imshow(cv2.cvtColor(image_copy, cv2.COLOR_BGR2RGB))
# 标题
ax[0, 0].set_title("original")
ax[0, 1].set_title("image filter")
ax[1, 0].set_title("image gray")
ax[1, 1].set_title("image circle")
plt.show()
# 保存结果
cv2.imwrite("coin_result.jpg", image_copy)
输出结果:
相关文章
- (OpenCV+Python)--目标跟踪,基本的运动检测
- [OpenCV] Install OpenCV 4.2+
- 用opencv检测人眼并定位瞳孔位置
- OpenCvSharp (C# OpenCV)实现纺织物缺陷检测->脏污、油渍、线条破损(详细步骤 + 源码)
- OpenCvSharp (C# OpenCV) 形状检测与识别(附源码)
- C# OpenCV OpenCVSharp应用实例--LCD屏幕脏污检测
- OpenCV DNN模块官方教程(二)YoloV4目标检测实例
- Halcon缺陷检测实例转OpenCV实现(六) 瓶口缺陷检测
- Halcon缺陷检测实例转OpenCV实现(一) 网格缺陷检测
- Python/C++ OpenCV火焰检测
- python opencv 找到圆点标定板所有点后通过距离找两个角点5
- python opencv 找到圆点标定板所有点后通过距离找四个角点2
- (一)Linux下C++ OpenCV开发环境搭建
- OpenCV肤色检测
- Opencv暑期历程--Day10(6种肤色检测方法,YCrCb肤色模型解释,再理解一遍掩模)
- 如何用OpenCV自带的adaboost程序训练并检测目标
- vs2008 + OpenCV-2.1.0-win32-vs2008安装
- OpenCV图像处理|1.1 OpenCV介绍与环境搭建
- opencv-Scharr边缘检测
- python-opencv-Canny边缘检测