python霍夫圆检测参考代码

以下是使用OpenCV库实现霍夫圆检测的参考代码：

import cv2
import numpy as np

# 读取图片并转为灰度图像
img = cv2.imread('circle.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 霍夫圆检测
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 100, param1=100, 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("Hough Circle Detection", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先读取一张图片，并将其转换为灰度图像。然后使用`cv2.HoughCircles()`函数进行霍夫圆检测，该函数需要输入以下参数：

- `gray`: 灰度图像。
- `cv2.HOUGH_GRADIENT`: 检测方法，这里使用基于梯度的方法。
- `1`: 表示检测图像的分辨率与输入图像一致。
- `100`: 表示两个圆之间的最小距离。
- `param1=100`: 累加器阈值，用于确定圆心的候选位置。
- `param2=30`: 圆边缘阈值，用于确定圆的边缘。
- `minRadius=0, maxRadius=0`: 圆的最小半径和最大半径（如果都为0，则表示没有限制）。

`cv2.HoughCircles()`函数会返回一个包含检测到的圆的信息的数组，每个圆由其圆心坐标和半径表示。我们可以使用`cv2.circle()`函数将检测到的圆绘制到原图像中。最后，使用`cv2.imshow()`函数显示结果，并通过`cv2.waitKey()`函数等待按键输入，最后使用`cv2.destroyAllWindows()`函数关闭所有窗口。