opencv基于python实现Hough圆检测 检测出圆心和半径

使用 OpenCV 实现 Hough 圆检测可以通过以下步骤实现：

1. 导入必要的库和图像。

import cv2
import numpy as np

# 加载图像
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

2. 对图像进行预处理。

# 高斯模糊
img = cv2.GaussianBlur(img, (5, 5), 0)

# Canny 边缘检测
edges = cv2.Canny(img, 100, 200)

3. 运行 Hough 圆检测算法。

# 运行 Hough 圆检测算法
circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)

# 将圆心和半径转换为整数
circles = np.uint16(np.around(circles))

其中，参数解释如下：

- `edges`：边缘检测后的图像。
- `cv2.HOUGH_GRADIENT`：使用梯度法检测圆形。
- `1`：表示检测图像的分辨率。
- `20`：表示两个圆之间的最小距离。
- `param1=50`：表示 Canny 边缘检测的高阈值。
- `param2=30`：表示圆心的累加器阈值。
- `minRadius=0`：表示圆的最小半径。
- `maxRadius=0`：表示圆的最大半径。

4. 在图像上绘制检测到的圆。

# 绘制检测到的圆
for i in circles[0, :]:
    # 绘制圆
    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('Hough Circles', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`circles[0, :]` 存储检测到的所有圆的参数，包括圆心坐标和半径。在绘制圆时，`cv2.circle()` 函数的参数解释如下：

- `(i[0], i[1])`：圆心坐标。
- `i[2]`：圆的半径。
- `(0, 255, 0)`：圆的颜色。
- `2`：圆的线宽。
- `(0, 0, 255)`：圆心的颜色。
- `3`：圆心的大小。

完整代码如下：

import cv2
import numpy as np

# 加载图像
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 高斯模糊
img = cv2.GaussianBlur(img, (5, 5), 0)

# Canny 边缘检测
edges = cv2.Canny(img, 100, 200)

# 运行 Hough 圆检测算法
circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)

# 将圆心和半径转换为整数
circles = np.uint16(np.around(circles))

# 绘制检测到的圆
for i in circles[0, :]:
    # 绘制圆
    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('Hough Circles', img)
cv2.waitKey(0)
cv2.destroyAllWindows()