【python】OpenCV—Hough Circle Transform

ops/2025/3/16 23:25:14/

在这里插入图片描述

文章目录

  • 1、功能描述
  • 2、代码实现
  • 3、效果展示
  • 4、完整代码
  • 5、涉及到的库函数
  • 6、参考


更多有趣的代码示例,可参考【Programming】


1、功能描述

2、代码实现

载入必要的库

python">import sys
import cv2 as cv
import numpy as np

函数入口

python">if __name__ == "__main__":main(sys.argv[1:])

读取图片,判断图片读取是否成功

python">    default_file = '1.jpg'filename = argv[0] if len(argv) > 0 else default_file# Loads an imagesrc = cv.imread(cv.samples.findFile(filename), cv.IMREAD_COLOR)# Check if image is loaded fineif src is None:print('Error opening image!')print('Usage: hough_circle.py [image_name -- default ' + default_file + '] \n')return -1

在这里插入图片描述

输入图片转成灰度图

python">    gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)cv.imwrite("gray.jpg", gray)

在这里插入图片描述

灰度图片进行平滑滤波

python">    gray = cv.medianBlur(gray, 5)cv.imwrite("medianBlur.jpg", gray)

在这里插入图片描述

配置好算法需要的参数

python">    rows = gray.shape[0]print(rows)

output

python">202

调用圆形检测算法

python">    circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,param1=100, param2=30,minRadius=30, maxRadius=100)

根据预测的结果绘制出来圆形,包含圆心和圆

python">    if circles is not None:circles = np.uint16(np.around(circles))for i in circles[0, :]:center = (i[0], i[1])# circle centercv.circle(src, center, 1, (0, 100, 100), 3)# circle outlineradius = i[2]cv.circle(src, center, radius, (255, 0, 255), 3)

在这里插入图片描述
保存结果,可视化结果,退出窗口,退出主函数

python">    cv.imwrite("circles.jpg", src)cv.imshow("detected circles", src)cv.waitKey(0)return 0

3、效果展示

python">    circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,param1=150, param2=30,minRadius=70, maxRadius=200)

输入图片

在这里插入图片描述

平滑后

在这里插入图片描述
检测结果

在这里插入图片描述


python">    circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,param1=150, param2=50,minRadius=25, maxRadius=100)

输入图片

在这里插入图片描述
平滑后

在这里插入图片描述

结果

在这里插入图片描述


python">    circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,param1=70, param2=30,minRadius=20, maxRadius=100)

输入图片

在这里插入图片描述

灰度图平滑

在这里插入图片描述

检测结果

在这里插入图片描述


    circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,param1=70, param2=45,minRadius=110, maxRadius=200)

输入图片

在这里插入图片描述

灰度平滑后

在这里插入图片描述

检测结果

在这里插入图片描述


python">    circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,param1=70, param2=40,minRadius=20, maxRadius=100)

输入图片

在这里插入图片描述

灰度平滑后

在这里插入图片描述

检测结果

在这里插入图片描述


python">    circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,param1=70, param2=40,minRadius=20, maxRadius=70)

输入图片

在这里插入图片描述

灰度平滑后

在这里插入图片描述

检测结果

在这里插入图片描述


python">    circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,param1=100, param2=35,minRadius=20, maxRadius=70)

输入图片

在这里插入图片描述

灰度滤波后

在这里插入图片描述
检测结果

在这里插入图片描述

4、完整代码

python">import sys
import cv2 as cv
import numpy as npdef main(argv):default_file = '1.jpg'filename = argv[0] if len(argv) > 0 else default_file# Loads an imagesrc = cv.imread(cv.samples.findFile(filename), cv.IMREAD_COLOR)# Check if image is loaded fineif src is None:print('Error opening image!')print('Usage: hough_circle.py [image_name -- default ' + default_file + '] \n')return -1gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)cv.imwrite("gray.jpg", gray)gray = cv.medianBlur(gray, 5)cv.imwrite("medianBlur.jpg", gray)rows = gray.shape[0]print(rows)circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, dp=1, minDist=rows / 8,param1=100, param2=30,minRadius=30, maxRadius=100)if circles is not None:circles = np.uint16(np.around(circles))for i in circles[0, :]:center = (i[0], i[1])# circle centercv.circle(src, center, 1, (0, 100, 100), 3)# circle outlineradius = i[2]cv.circle(src, center, radius, (255, 0, 255), 3)cv.imwrite("circles.jpg", src)cv.imshow("detected circles", src)cv.waitKey(0)return 0if __name__ == "__main__":main(sys.argv[1:])

5、涉及到的库函数

cv2.HoughCircles 是 OpenCV 库中的一个函数,用于在图像中检测圆形的存在。它基于霍夫变换的圆检测算法,可以在给定的图像中检测并返回所有检测到的圆的信息,如圆的中心坐标和半径。

在这里插入图片描述

python">circles = cv2.HoughCircles(image, method, dp, minDist, param1, param2, minRadius, maxRadius)
  • image:输入的单通道灰度图像。函数将在该图像中进行圆检测。

  • method:霍夫变换的检测方法。常用的有 cv2.HOUGH_GRADIENTcv2.HOUGH_GRADIENT_ALTcv2.HOUGH_GRADIENT_ALTcv2.HOUGH_GRADIENT 的改进方法。

  • dp:图像分辨率与累加器分辨率的比值。例如,dp=1时,累加器和输入图像有相同的分辨率;dp=2时,累加器是输入图像一半大的宽高。

  • minDist:检测到的圆的中心之间的最小距离。如果设置得太小,可能会检测到多个相邻的圆;如果设置得太大,可能会漏掉一些圆。

  • param1:Canny边缘检测的高阈值。对于 cv2.HOUGH_GRADIENTcv2.HOUGH_GRADIENT_ALT,这是 Canny 边缘检测的高阈值,低阈值是该参数的一半。

  • param2:累加器阈值。对于 cv2.HOUGH_GRADIENT,它表示检测阶段圆心的累加器阈值,值越小,检测出的圆越多;对于 cv2.HOUGH_GRADIENT_ALT,它表示圆形的“完美性”度量,值越接近1,算法选择的圆形形状越好。

  • minRadius:需要检测的最小圆半径。

  • maxRadius:需要检测的最大圆半径。如果设置为<=0,则使用最大图像尺寸;如果<0,且 method=cv2.HOUGH_GRADIENT时,用来查找圆心而忽略半径的查找,method=cv2.HOUGH_GRADIENT_ALT 不受影响,始终会去找半径。

返回值

  • circles:返回的圆形的点,是一个三维数组。对于 HOUGH_GRADIENTHOUGH_GRADIENT_ALT 两种方法,返回的圆形数组形式有差异。通常,返回的数组中包含了检测到的圆的中心坐标和半径。

注意事项

  • 输入图像的质量对函数的检测效果有很大的影响,通常需要进行适当的预处理,如平滑、边缘检测等。
  • 参数的选择对检测的结果有重要的影响,需要根据具体的应用场景进行调整和优化。
  • 函数返回的圆的信息需要进一步处理和分析,以满足实际应用的需求。

应用场景

  • cv2.HoughCircles 函数在很多领域都有重要的应用,如医学影像分析、工业机器视觉、自动驾驶等。例如,在医学影像分析中,常常需要检测和分析图像中的各种病变和器官,如肿瘤、血管等。使用 cv2.HoughCircles 函数,可以有效地在医学影像中检测出各种形状的病变,为医生的诊断和治疗提供重要的参考依据。

6、参考


更多有趣的代码示例,可参考【Programming】


http://www.ppmy.cn/ops/166341.html

相关文章

Ubuntu 服务器安装 Python 环境 的详细指南

以下是 在 Ubuntu 上安装 Python 3.10 的详细步骤&#xff08;兼容 Ubuntu 20.04/22.04&#xff09;&#xff1a; 方法一&#xff1a;通过 PPA 仓库安装&#xff08;推荐&#xff09; 1. 添加 deadsnakes PPA sudo apt update sudo apt install software-properties-common s…

数据结构篇——线性表

一、引入 线性结构是数据结构中最为重要的一种数据存储结构之一&#xff0c;同时也是其他数据结构的基础。今天我们就来学学数据结构中的一种基础类型——线性表。 二、线性表的定义和特点 线性表的定义&#xff1a;用数据元素的有限序列表示。具体情况如下图所示&#xff1a;…

HarmonyOS学习第20天:让应用“找准方向”的地图与定位秘籍

引言&#xff1a;开启 HarmonyOS 应用的位置感知之旅 在这个信息爆炸的时代&#xff0c;我们的生活与地理位置信息紧密相连。无论是寻找一家心仪的餐厅&#xff0c;规划一次完美的旅行&#xff0c;还是追踪快递的实时位置&#xff0c;地图与定位服务都扮演着至关重要的角色。对…

idea maven 编译报错Java heap space解决方法

1.增加 Maven 编译的堆内存 我是用这个方法修改成功的 Maven 编译时使用的 JVM 堆内存可以通过设置 MAVEN_OPTS 环境变量来调整。 在 IntelliJ IDEA 中设置&#xff1a; 打开 IntelliJ IDEA 的设置&#xff08;File -> Settings 或 Ctrl Alt S&#xff09;。 导航到 Bui…

【DevOps】Backstage介绍及如何在Azure Kubernetes Service上进行部署

【DevOps】Backstage介绍及如何在Azure Kubernetes Service上进行部署 推荐超级课程: 本地离线DeepSeek AI方案部署实战教程【完全版】Docker快速入门到精通Kubernetes入门到大师通关课AWS云服务快速入门实战目录 【DevOps】Backstage介绍及如何在Azure Kubernetes Service上…

MySQL小练习

要求&#xff1a; 新建产品库mydb6_product&#xff0c;新建4张表如下&#xff1a; oemployees表 列1&#xff1a;id&#xff0c;整型&#xff0c;主键 列2&#xff1a;name&#xff0c;字符串&#xff0c;最大长度50&#xff0c;不能为空 列3&#xff1a;age&#xff0c;整型 …

【Go学习】04-3-Gorm框架-初识模型定义

【Go学习】04-3-Gorm框架-初识模型定义 初识Gorm创建工作区数据准备操作数据 模型定义模型定义模型标签表名映射Model数据库连接DSN连接数据库调试模式连接池配置 初识Gorm gorm地址&#xff1a;https://github.com/go-gorm/gorm 对开发者友好的gorm库&#xff0c;目前使用最…

Node.js REPL 深入解析

Node.js REPL 深入解析 引言 Node.js 作为一种流行的 JavaScript 运行环境,在服务器端开发中扮演着重要角色。REPL(Read-Eval-Print Loop,读取-求值-打印循环)是 Node.js 的一个核心特性,它允许开发者在一个交互式环境中执行 JavaScript 代码。本文将深入探讨 Node.js R…