目标

在本教程中，您将学习如何：

• 使用OpenCV函数cv :: HoughCircles来检测图像中的圆。

理论

Hough Circle变换

• Hough Circle变换的工作原理与上一个教程中解释的Hough Line变换大致相似。
  
• 在行检测案例中，一行由两个参数(r,θ)。在圆圈中，我们需要三个参数来定义一个圆：
  

定义中心位置（绿点），r是半径，这允许我们完全定义一个圆，如下所示：

• 为了实现效率，OpenCV实现了一个比标准霍夫变换（Hough Transform）稍微棘手的检测方法：霍夫梯度法，由两个主要阶段组成。第一阶段涉及边缘检测并找到可能的圆心，第二阶段为每个候选中心找到最佳的半径。有关更多详细信息，请查看学习OpenCV或您最喜欢的计算机视觉参考书

Code

• 这个程序是做什么的？
  

1. 加载图像并使其模糊，
   
2. 以减少噪音将Hough Circle变换应用于模糊图像。
   
3. 在窗口中显示检测到的圆。
   

• 我们将从这里下载我们将要解释的示例代码。这里可以找到一个稍微推荐的版本（显示用于更改阈值的轨迹条）。
  

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;
static void help()
{
    cout << "\nThis program demonstrates circle finding with the Hough transform.\n"
            "Usage:\n"
            "./houghcircles <image_name>, Default is ../data/board.jpg\n" << endl;
}
int main(int argc, char** argv)
{
    cv::CommandLineParser parser(argc, argv,
        "{help h ||}{@image|../data/board.jpg|}"
    );
    if (parser.has("help"))
    {
        help();
        return 0;
    }
    string filename = parser.get<string>("@image");
    Mat img = imread(filename, IMREAD_COLOR);
    if(img.empty())
    {
        help();
        cout << "can not open " << filename << endl;
        return -1;
    }
    Mat gray;
    cvtColor(img, gray, COLOR_BGR2GRAY);
    medianBlur(gray, gray, 5);
    vector<Vec3f> circles;
    HoughCircles(gray, circles, HOUGH_GRADIENT, 1,
                 gray.rows/16, // change this value to detect circles with different distances to each other
                 100, 30, 1, 30 // change the last two parameters
                                // (min_radius & max_radius) to detect larger circles
                 );
    for( size_t i = 0; i < circles.size(); i++ )
    {
        Vec3i c = circles[i];
        circle( img, Point(c[0], c[1]), c[2], Scalar(0,0,255), 3, LINE_AA);
        circle( img, Point(c[0], c[1]), 2, Scalar(0,255,0), 3, LINE_AA);
    }
    imshow("detected circles", img);
    waitKey();
    return 0;
}

说明

• 加载图像
  

    string filename = parser.get<string>("@image");
    Mat img = imread(filename, IMREAD_COLOR);
    if(img.empty())
    {
        help();
        cout << "can not open " << filename << endl;
        return -1;
    }

• 将其转换为灰度：
  

    Mat gray;
    cvtColor(img, gray, COLOR_BGR2GRAY);

• 应用中值模糊以减少噪音，避免假圈检测：
  

    medianBlur(gray, gray, 5);

继续应用Hough Circle变换：

    vector<Vec3f> circles;
    HoughCircles(gray, circles, HOUGH_GRADIENT, 1,
                 gray.rows/16, // change this value to detect circles with different distances to each other
                 100, 30, 1, 30 // change the last two parameters
                                // (min_radius & max_radius) to detect larger circles
                 );

有论据：

1. gray：输入图像（灰度）。
2. circles：存储套3个的值的矢量：为每个检测到的圆。xc,yc,r
3. HOUGH_GRADIENT：定义检测方法。目前这是OpenCV中唯一可用的。
4. dp = 1：分辨率的反比。
5. min_dist = gray.rows / 16：检测到的中心之间的最小距离。
6. param_1 = 200：内部Canny边缘检测器的上限阈值。
7. param_2 = 100 *：中心检测阈值。
8. min_radius = 0：要检测的最小半径。如果未知，则将零置为默认值。
9. max_radius = 0：要检测的最大半径。如果未知，则将零置为默认值。

• 绘制检测到的圆：
  

    for( size_t i = 0; i < circles.size(); i++ )
    {
        Vec3i c = circles[i];
        circle( img, Point(c[0], c[1]), c[2], Scalar(0,0,255), 3, LINE_AA);
        circle( img, Point(c[0], c[1]), 2, Scalar(0,255,0), 3, LINE_AA);
    }

你可以看到，我们将用红色圆圈和中心绘制一个小绿点

• 显示检测到的圆，并等待用户退出程序：
  

    imshow("detected circles", img);
    waitKey();

结果

使用测试图像运行代码的结果如下所示：