Hough Space Transformation识别圆形并提取圆心列举代码

霍夫变换（Hough Transform）是一种在图像处理中用于检测特定形状，如直线、圆形等特征的方法。对于圆形检测，Hough空间转换会将原始像素坐标转换到参数空间（通常是半径和中心角度），通过查找密集区域来识别圆形。以下是基于OpenCV库的Python代码示例，演示如何在图像上应用霍夫变换来寻找圆形并提取圆心：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg', 0)  # 图像转为灰度图

# 初始化参数
rho = 1  # 半径增量
theta = np.pi / 180  # 角度增量
threshold = 50  # 密集区域阈值
min_radius = 10  # 最小圆半径
max_radius = img.shape[0] // 2  # 最大圆半径

# 创建投票矩阵
hough_image = np.zeros((img.shape[0], img.shape[1]), dtype=np.uint8)

# 应用霍夫变换
for i in range(img.shape[0]):
    for j in range(img.shape[1]):
        if img[i,j] != 0:  # 非零像素投票
            hough_image += np.int([np.sin(theta)*j + rho*np.cos(theta)*i,
                                    np.cos(theta)*j - rho*np.sin(theta)*i])

# 找到圆心
peaks, _ = cv2.HoughCircles(hough_image, cv2.HOUGH_GRADIENT, theta=1, rho=rho,
                            minRadius=min_radius, maxRadius=max_radius,
                            threshold=threshold)

# 提取圆心
centers = peaks.reshape(-1, 2)[::-1, :]

# 可视化结果
for center in centers:
    cv2.circle(img, (int(center[0]), int(center[1])), int(centers[0][2]), (0, 0, 255), 2)
cv2.imshow("Original with detected circles", img)
cv2.waitKey(0)