霍夫圆检测准确率计算代码

霍夫圆检测的准确率可以通过比较检测出来的圆和真实圆之间的距离来计算。具体的计算方法可以参考以下代码实现：

import cv2
import numpy as np

# 读取原始图像和真实圆参数
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
circles = np.loadtxt('circles.txt', dtype=np.uint16)

# 进行霍夫圆检测
detected_circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, dp=1, minDist=50, param1=50, param2=30, minRadius=0, maxRadius=0)

# 计算准确率
accuracy = 0
for detected_circle in detected_circles:
    for circle in circles:
        distance = abs(detected_circle[0][0] - circle[0]) + abs(detected_circle[0][1] - circle[1])
        if distance <= circle[2]:
            accuracy += 1

accuracy = accuracy / len(circles)

print('准确率为：', accuracy)

其中，`circles.txt` 文件中存储了真实圆的参数，格式为每行一个圆，依次为圆心横坐标、圆心纵坐标、半径。`detected_circles` 是通过霍夫圆检测得到的圆参数，格式为一个三维数组，每个元素为一个圆，依次为圆心横坐标、圆心纵坐标、半径。通过比较检测出来的圆和真实圆之间的距离来计算准确率。