理解霍夫变换及圆检测

近日在做小球动力特性识别过程中，用到了opencv中的霍夫变换圆检测来识别图像中的小球，从而确定小球的位置。但是在调节参数的过程中不能明确各参数的真正含义，无法达到最优的识别效果。 所以想深入理解霍夫圆检测，以及了解opencv对于该算法做了哪些改进，从而更好地使用之。

这里的霍夫不是那个CPU之父特德霍夫，这里的霍夫是Paul hough。一位喜欢发专利的数学家。

霍夫变换于1962年由Paul Hough 首次提出，后于1972年由Richard Duda和Peter Hart推广使用，经典霍夫变换用来检测图像中的直线，后来霍夫变换扩展到任意形状物体的识别，多为圆和椭圆。 霍夫变换 ( Hough Transform, HT)是模式识别 领域中对二值图像进行直线检测的有效方法 .参考 图 1,在标准参数化方式下 ,图像空间中的直线 l表 达为： d= x cosθ + y sinθ ,　d≥0, 0≤θ 1: print('不止一个圆') else: cv2.circle(frame_lwpCV, (i[0], i[1]), i[2], (0, 0, 255), 2) # 画圆 cv2.circle(frame_lwpCV, (i[0], i[1]), 2, (0, 0, 255), 2) # 画圆心 circle_number += 1 #circle.shpe为（1，1，3）（未知，圆序号，列（圆心X坐标，圆心y坐标，半径）） 参考文章：

基于直径累积的霍夫变换检测圆算法_屈汉章 快速霍夫变换算法_孙丰荣 霍夫变换算法在圆心视觉定位中的应用研究_焦圣喜 Hough变换检测原理 Python+OpenCV图像处理（十五）—— 圆检测 OpenCV霍夫变换：霍夫线变换，霍夫圆变换