cv2霍夫圆环检测（HoughCircle）

2024-07-11 13:01| 来源: 网络整理| 查看: 265

本篇博客主要介绍利用霍夫变换来进行圆环检测。一个圆环需要3个参数来确定，所以进行圆环检测的累加器必须是三维的，这样效率就会很低，因此OpenCV使用了霍夫梯度法这个巧妙的方法，来使用边界的梯度信息，从而提升计算的效率。

cv2中进行霍夫圆环检测的函数：

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

其中：

image:8位，单通道图像。如果使用彩色图像，需要先转换为灰度图像。

method：定义检测图像中圆的方法。目前唯一实现的方法是cv2.HOUGH_GRADIENT。

dp：累加器分辨率与图像分辨率的反比。dp获取越大，累加器数组越小。

minDist：检测到的圆的中心，（x,y）坐标之间的最小距离。如果minDist太小，则可能导致检测到多个相邻的圆。如果minDist太大，则可能导致很多圆检测不到。

param1：用于处理边缘检测的梯度值方法。

param2：cv2.HOUGH_GRADIENT方法的累加器阈值。阈值越小，检测到的圈子越多。

minRadius：半径的最小大小（以像素为单位）。

maxRadius：半径的最大大小（以像素为单位）。

示例：

原始图像：

示例代码：

# encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('eye-color-blue-z-c-660x440.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 灰度图像 plt.subplot(121), plt.imshow(img, cmap='gray') plt.title('img'), plt.xticks([]), plt.yticks([]) # hough transform 规定检测的圆的最大最小半径，不能盲目的检测，否则浪费时间空间 # circle1 = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 100, param1=100, param2=30, minRadius=200, maxRadius=300) circle1 = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 100, param1=100, param2=30, minRadius=100, maxRadius=200) #把半径范围缩小点，检测内圆，瞳孔 circles = circle1[0, :, :] # 提取为二维 circles = np.uint16(np.around(circles)) # 四舍五入，取整 for i in circles[:]: cv2.circle(img, (i[0], i[1]), i[2], (255, 0, 0), 5) # 画圆 cv2.circle(img, (i[0], i[1]), 2, (255, 0, 0), 10) # 画圆心 plt.subplot(122), plt.imshow(img) plt.title('circle'), plt.xticks([]), plt.yticks([]) plt.show()

检测结果：

围棋颜色识别：

示例代码：

# encoding:utf-8 import cv2 import numpy as np from collections import Counter # 检测棋子的颜色 def detect_weiqi(img): txt = 'black' gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, threshold = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY) c = Counter(list(threshold.flatten())) print(c.most_common()) if c.most_common()[0][0] != 0: txt = 'white' return txt, threshold img = cv2.imread('../data/weiqi.png') img = cv2.medianBlur(img, 5) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) cv2.imshow('gray', gray) circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 20, param1=100, param2=30, minRadius=10, maxRadius=50) if circles is None: exit(-1) circles = np.uint16(np.around(circles)) print(circles) cv2.waitKey(0) font = cv2.FONT_HERSHEY_SIMPLEX for i in circles[0, :]: cv2.circle(img, (i[0], i[1]), i[2], (0, 255, 0), 2) cv2.circle(img, (i[0], i[1]), 2, (0, 0, 255), 3) x, y, r = i crop_img = img[y - r: y + r, x - r: x + r] # 检测围棋 txt, threshold = detect_weiqi(crop_img) print('颜色', '黑色' if txt == 'black' else '白色') cv2.putText(threshold, text=txt, org=(0, 0), fontFace=font, fontScale=0.5, color=(0, 255, 0), thickness=2) cv2.imshow('threshold', threshold) cv2.imshow('crop_img', crop_img) cv2.moveWindow('crop_img', x=0, y=img.shape[0]) cv2.imshow('detected chess', img) cv2.moveWindow('detected chess', y=0, x=img.shape[1]) cv2.waitKey(1500) cv2.waitKey(0) cv2.destroyAllWindows()

原图：

结果图片：

欢迎关注我的公众号：

编程技术与生活（ID：hw_cchang）

【本文地址】

公司简介

联系我们