python霍夫变换检测圆

霍夫圆变换是一种在图像中检测圆形物体的技术。它通过在二维图像中搜索可能的圆心位置和半径大小来实现。

在 Python 中，可以使用 OpenCV 库来实现霍夫圆变换。以下是一个示例代码：

import cv2
import numpy as np

# 加载图像
img = cv2.imread('circle.jpg', cv2.IMREAD_GRAYSCALE)

# 霍夫圆变换
circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)

# 绘制检测到的圆
if circles is not None:
    circles = np.round(circles[0, :]).astype("int")
    for (x, y, r) in circles:
        cv2.circle(img, (x, y), r, (0, 255, 0), 2)

# 显示结果
cv2.imshow("Result", img)
cv2.waitKey(0)

在代码中，首先加载了一张灰度图像，并使用 `cv2.HoughCircles` 函数进行霍夫圆变换。该函数的参数分别为：

- `img`：输入图像。
- `cv2.HOUGH_GRADIENT`：霍夫变换的类型。
- `1`：圆心之间的距离的分辨率。
- `20`：霍夫梯度法中使用的阈值。
- `param1=50`：Canny 边缘检测器的高阈值。
- `param2=30`：圆心检测阈值。
- `minRadius=0`：检测到的圆的最小半径。
- `maxRadius=0`：检测到的圆的最大半径。

然后，如果检测到圆，则将其绘制在图像中，并显示结果。

需要注意的是，霍夫圆变换对于噪声和圆形变形都比较敏感，因此在实际应用中需要进行适当的预处理和参数调整。