霍夫圆检测 python opencv 函数

霍夫圆检测（Hough Circle Detection）是一种经典的图像处理算法，用于在图像中寻找圆形目标。在Python中，可以使用OpenCV库方便地实现霍夫圆检测。下面是一个基本的示例代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg',0)

# 中值滤波
img = cv2.medianBlur(img,5)

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

# 绘制检测到的圆
circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    # 绘制外圆
    cv2.circle(img,(i[0],i[1]),i[2],(0,255,0),2)
    # 绘制圆心
    cv2.circle(img,(i[0],i[1]),2,(0,0,255),3)

# 显示图像
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先读取一张图像，然后对其进行中值滤波以去除噪声，接着进行霍夫圆检测。在检测到圆后，我们将其在图像上进行绘制，并显示出来。

`cv2.HoughCircles`是OpenCV中实现霍夫圆检测的函数之一，其用法如下：

circles = cv2.HoughCircles(image, method, dp, minDist, param1=None, param2=None, minRadius=None, maxRadius=None)

其中，参数说明如下：

- `image`: 输入图像，必须为单通道灰度图像。
- `method`: 霍夫梯度方法，一般设为`cv2.HOUGH_GRADIENT`。
- `dp`: 圆心检测器分辨率与图像分辨率之比，一般设为1。
- `minDist`: 检测到的圆之间的最小距离，一般设为圆的直径大小。
- `param1`: Canny边缘检测器的高阈值，一般设为50。
- `param2`: 圆心检测阈值，一般设为30。
- `minRadius`: 检测到的圆的最小半径。
- `maxRadius`: 检测到的圆的最大半径。

该函数返回一个`circles`数组，其中每个元素为一个包含三个值的数组，分别表示圆心的x坐标、y坐标和半径大小。