实现不同图像中实心圆的检测，并学会使用count_obj函数统计图像中实心圆的个数。

实现不同图像中实心圆的检测可以使用OpenCV库中的cv2.HoughCircles()函数。该函数可以通过霍夫圆变换来检测图像中的圆。具体步骤如下:

1. 将图像转换为灰度图像，可以使用cv2.cvtColor()函数将图像从BGR格式转换为灰度格式。

2. 使用cv2.GaussianBlur()函数对灰度图像进行高斯模糊处理，以减少噪声的影响。

3. 使用cv2.HoughCircles()函数进行圆的检测。该函数需要设置一些参数，例如dp，minDist，param1，param2，minRadius和maxRadius。具体参数的调整需要根据具体图像的情况进行调试。

4. 遍历检测到的圆，可以使用cv2.circle()函数在原始图像上绘制检测到的圆。

5. 使用count_obj函数统计图像中实心圆的个数，可以遍历检测到的圆，判断圆内部的像素值是否为实心圆的颜色。

下面是一个示例代码，演示了如何实现图像中实心圆的检测：

import cv2
import numpy as np

def count_obj(image, color):
    count = 0
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            if (image[i][j] == color).all():
                count += 1
    return count

def detect_circles(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (5, 5), 0)
    circles = cv2.HoughCircles(blur, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)

    if circles is not None:
        circles = np.round(circles[0, :]).astype("int")
        for (x, y, r) in circles:
            cv2.circle(image, (x, y), r, (0, 255, 0), 4)
            cv2.rectangle(image, (x - 5, y - 5), (x + 5, y + 5), (0, 128, 255), -1)
    
    return image, count_obj(image, (0, 255, 0))

# 测试图像
image = cv2.imread("test.jpg")

# 图像中实心圆的检测
output, count = detect_circles(image)

# 显示结果
cv2.imshow("Output", output)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 输出统计的圆的个数
print("实心圆的个数:", count)