原文鏈接：http://www.juzicode.com/opencv-python-houghcircles
回傳OpenCV-Python教程
在OpenCV中HoughCircles()方法可以用來查找圓形，找到的圓形通過圓心位置和半徑進行描述，
1、介面
介面形式：
cv2.HoughCircles(image,method,dp,minDist[,circles[,param1[,param2[,minRadius[,maxRadius]]]]])->circles- 引數含義：
- image：輸入影像，8bit單通道影像，
- method：檢測方法，當前有cv2.HOUGH_GRADIENT和cv2.HOUGH_GRADIENT_ALT 2種方法，后者是前者的改進方法，
- dp：檢測圓心的累加器精度和影像精度比的倒數，比如dp=1時累加器和輸入影像有相同的解析度，dp=2時累加器是輸入影像一半大的寬高；method=cv2.HOUGH_GRADIENT_ALT時推薦設定dp=1.5，
- minDist：檢測到圓心的間距，設定的越小可能檢測的圓形越多，設定的越大可能會錯過一些圓形的檢測，
- param1：特定方法引數，和method配合；當method=cv2.HOUGH_GRADIENT或method=cv2.HOUGH_GRADIENT_ALT時，該引數是canny檢測的高閾值，低閾值是該引數的一半；method=cv2.HOUGH_GRADIENT_ALT時，內部使用Scharr計算影像梯度，這個值通常要設定得更大，
- param2：特定方法引數，和method配合；當method=cv2.OUGH_GRADIENT，它表示檢測階段圓心的累加器閾值，越小就會檢測到更多的圓，越大能通過檢測的圓就更加精確，當method=cv2.HOUGH_GRADIENT_ALT時，該引數可以看做是圓的“完美性”度量，它越接近1演算法選擇的圓形形狀越好，一般可以設定在0.9，如果想要更好地檢測小圓，可以設定在0.85、0.8甚至更小，通過限制搜索范圍[minRadius，maxRadius]可以避免出現許多假圓，
- minRadius：最小圓半徑，
- maxRadius：最大圓半徑，如果設定為<=0，使用最大影像尺寸；如果<0時且method=cv2.HOUGH_GRADIENT用來查找圓心而忽略半徑的查找，method=cv2.HOUGH_GRADIENT_ALT不受影響，始侄訓去找半徑，
- circles：回傳的圓形的點，是一個三維陣列，HOUGH_GRADIENT和HOUGH_GRADIENT_ALT 2種不同方法回傳的圓形陣列形式有差異，后文有詳細介紹，
用HoughCircles()方法找到的圓形，通常圓心的準確率比較高，半徑的準確率比較低，可以借助minRadius和maxRadius 2個引數來限制半徑的范圍提高查找的精確度，
2、HOUGH_GRADIENT方法
因為method引數不一樣，param1或param2引數的含義不一樣，內部實作找圓的方法也不一樣，我們先來看下HOUGH_GRADIENT方法找圓形，
用HOUGH_GRADIENT方法時，先分別找x和y方向的Sobel梯度，再用Canny找邊沿：
Sobel(_image, dx, CV_16S, 1, 0, kernelSize, 1, 0, BORDER_REPLICATE);
Sobel(_image, dy, CV_16S, 0, 1, kernelSize, 1, 0, BORDER_REPLICATE);
Canny(dx, dy, edges, std::max(1, cannyThreshold / 2), cannyThreshold, false);下面這個例子找出圖中的圓形并在原圖中繪制出來：
import numpy as np
import matplotlib.pyplot as plt
import cv2
print('VX公眾號: 桔子code / juzicode.com')
print('cv2.__version__:',cv2.__version__)
plt.rc('font',family='Youyuan',size='9')
plt.rc('axes',unicode_minus='False')
#讀入影像
img_src = cv2.imread('..\\samples\\picture\\houghcircle-basic.bmp')
print('img_src.shape:',img_src.shape)
img_disp=img_src.copy()
#轉為灰度圖
img_gray = cv2.cvtColor(img_src,cv2.COLOR_BGR2GRAY)
#找出圓形
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT,1,20,param1=50,param2=30,minRadius=0,maxRadius=0)
print('circles.shape:',circles.shape)
print('circles:\n',circles)
#畫出圓形
circles = np.uint16(np.around(circles))
for cir in circles[0]:
print('circle.shape:',cir.shape,'circle:',cir)
cv2.circle(img_disp,(cir[0],cir[1]),cir[2],(0,255,0),2)
cv2.circle(img_disp,(cir[0],cir[1]),2,(0,0,255),3)
#顯示影像
fig,ax = plt.subplots(2,2)
ax[0,0].set_title('img_src')
ax[0,0].imshow(cv2.cvtColor(img_src,cv2.COLOR_BGR2RGB))
ax[0,1].set_title('img_disp')
ax[0,1].imshow(cv2.cvtColor(img_disp,cv2.COLOR_BGR2RGB))
plt.show() 運行結果：
VX公眾號: 桔子code / juzicode.com
cv2.__version__: 4.5.3
img_src.shape: (312, 584, 3)
circles.shape: (1, 5, 3)
circles:
[[[346.5 215.5 67.6]
[160.5 189.5 66.8]
[ 59.5 38.5 29.9]
[442.5 43.5 28.6]
[534.5 42.5 29. ]]]
circle.shape: (3,) circle: [346 216 68]
circle.shape: (3,) circle: [160 190 67]
circle.shape: (3,) circle: [60 38 30]
circle.shape: (3,) circle: [442 44 29]
circle.shape: (3,) circle: [534 42 29]
從運行結果看，回傳的圓形是一個3維numpy陣列，shape屬性為(1, 5, 3)，shape[0]固定為1，shape[1]為5表示包含5組圓形的引數，shape[2]的3個數值包含圓形的x，y坐標和半徑的值，
引數dp
回到前面的例子，僅僅修改dp引數為0.5：
#找出圓形 dp設定為1.5
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT,0.5,20,param1=50,param2=30,minRadius=0,maxRadius=0)
print('circles.shape:',circles.shape)當dp=0.5時，仍然是原來的5個圓形：
img_src.shape: (312, 584, 3)
circles.shape: (1, 5, 3)
circles:
[[[346.5 215.5 67.6]
[160.5 189.5 66.8]
[ 59.5 38.5 29.9]
[442.5 43.5 28.6]
[534.5 42.5 29. ]]]但是當修改dp=1.5時：
#找出圓形 dp設定為1.5
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT,1.5,20,param1=50,param2=30,minRadius=0,maxRadius=0)
print('circles.shape:',circles.shape)這時能找到33個圓形：
circles.shape: (1, 33, 3)
circles:
[[[159.75 191.25 65.399994]
[345.75 215.25 67.8 ]
[ 59.25 38.25 29.699999]
[534.75 42.75 29.699999]
[441.75 44.25 28.650002]
[321.75 192.75 98.25 ]
[318.75 216.75 93. ]
[176.25 177.75 47.699997]......
這些非預期的“圓形”都是從其他的圓形上“借來”的點構成的，
引數minDist
接下來看下minDist引數的改變引起的變化，
因為該引數表示檢測圓形的最小間距，如果將該間距增大，就會導致在該引數minDist范圍內只會檢測到一個圓形，比如在上例中，用畫圖板程式觀察右上角的2個小圓圓心間距為90個像素，我們將minDist設定為100時，就會導致只能檢測到一個圓形：
#找出圓形，minDist設定為100
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT,1,100,param1=50,param2=30,minRadius=0,maxRadius=0)
將間距再增大到200時，下方的2個大圓也只能找到1個：
#找出圓形，minDist設定為100
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT,1,100,param1=50,param2=30,minRadius=0,maxRadius=0)
引數param2
仍然回到最開始的例子，僅僅修改param2引數，當method=cv2.OUGH_GRADIENT，它表示檢測階段圓心的累加器閾值，越小就會檢測到更多的圓，越大能通過檢測的圓就更加精確，下面的例子將param2從30修改為25：
#找出圓形 param2設定為25
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT,1,20,param1=50,param2=25,minRadius=0,maxRadius=0)
print('circles.shape:',circles.shape)
print('circles:\n',circles)運行結果：
circles.shape: (1, 11, 3)
circles:
[[[346.5 215.5 67.6]
[160.5 189.5 66.8]
[ 59.5 38.5 29.9]
[442.5 43.5 28.6]
[534.5 42.5 29. ]
[151.5 207.5 50. ]
[341.5 193.5 47.8]
[366.5 216.5 47.8]
[326.5 209.5 47.7]
[174.5 211.5 43.6]
[350.5 244.5 38.6]]]
引數minRadius,maxRadius
同樣在原來的代碼基礎上，只修改minRadius：
#找出圓形 限制minRadius maxRadius
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT,1,20,param1=50,param2=30,minRadius=50,maxRadius=0)
print('circles.shape:',circles.shape)
print('circles:\n',circles)運行結果：
circles.shape: (1, 2, 3)
circles:
[[[346.5 215.5 67.6]
[160.5 189.5 66.8]]]
circle.shape: (3,) circle: [346 216 68]
circle.shape: (3,) circle: [160 190 67]這時只找到2個半徑大于50的圓，其他3個半徑小于50的圓被忽略掉了：
同樣的用法，我們把maxRadius限制在35，就只會找到3個半徑小于35的圓形：
當maxRadius的值設定小于0時，HoughCircles()只找圓心不找半徑：
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT,1,20,param1=50,param2=30,minRadius=0,maxRadius=-1)
print('circles.shape:',circles.shape)
print('circles:\n',circles)運行結果：
circles.shape: (1, 5, 3)
circles:
[[[160.5 191.5 0. ]
[347.5 212.5 0. ]
[534.5 42.5 0. ]
[ 59.5 38.5 0. ]
[442.5 45.5 0. ]]]
circle.shape: (3,) circle: [160 192 0]
circle.shape: (3,) circle: [348 212 0]
circle.shape: (3,) circle: [534 42 0]
circle.shape: (3,) circle: [60 38 0]
circle.shape: (3,) circle: [442 46 0]回傳的圓形陣列中，每組圓形資料中表示半徑的第3個數值為0，表示半徑為0，所以圓形的外圍就沒有再被標注為綠色，只標注了圓心的位置：
3、HOUGH_GRADIENT_ALT方法
用HOUGH_GRADIENT_ALT方法時，先分別找x和y方向的Scharr梯度，再用Canny找邊沿：
Scharr(img, Dx, CV_16S, 1, 0);
Scharr(img, Dy, CV_16S, 0, 1);
Canny(Dx, Dy, edges, cannyThreshold/2, cannyThreshold, true);源圖片仍然是用HOUGH_GRADIENT方法的例子中使用的同一個圖片，method引數這時改為HOUGH_GRADIENT_ALT，param2=0.9，另外需要注意回傳圓形陣列形式的差異：
import numpy as np
import matplotlib.pyplot as plt
import cv2
print('VX公眾號: 桔子code / juzicode.com')
print('cv2.__version__:',cv2.__version__)
plt.rc('font',family='Youyuan',size='9')
plt.rc('axes',unicode_minus='False')
#讀入影像
img_src = cv2.imread('..\\samples\\picture\\houghcircle-basic.bmp')
print('img_src.shape:',img_src.shape)
img_disp=img_src.copy()
#轉為灰度圖
img_gray = cv2.cvtColor(img_src,cv2.COLOR_BGR2GRAY)
#找出圓形 HOUGH_GRADIENT_ALT 方法
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT_ALT,1,20,param1=50,param2=0.9,minRadius=0,maxRadius=0)
print('circles.shape:',circles.shape)
print('circles:\n',circles)
#畫出圓形
circles = np.uint16(np.around(circles))
for cir_ in circles:
cir = cir_[0]
print('circle.shape:',cir.shape,'circle:',cir)
cv2.circle(img_disp,(cir[0],cir[1]),cir[2],(0,255,0),2)
cv2.circle(img_disp,(cir[0],cir[1]),2,(0,0,255),3)
img_bin = cv2.Canny(img_gray,50,150,apertureSize = 3)
#顯示影像
fig,ax = plt.subplots(2,2)
ax[0,0].set_title('img_src')
ax[0,0].imshow(cv2.cvtColor(img_src,cv2.COLOR_BGR2RGB))
ax[0,1].set_title('img_disp')
ax[0,1].imshow(cv2.cvtColor(img_disp,cv2.COLOR_BGR2RGB))
ax[1,0].set_title('img_bin')
ax[1,0].imshow(img_bin,'gray')
plt.show() 運行結果：
VX公眾號: 桔子code / juzicode.com
cv2.__version__: 4.5.3
img_src.shape: (312, 584, 3)
circles.shape: (5, 1, 3)
circles:
[[[160. 192. 67.132744]]
[[348. 213. 67.159256]]
[[443. 45. 28.429234]]
[[535. 43. 28.45556 ]]
[[ 59. 38. 28.443163]]]
circle.shape: (3,) circle: [160 192 67]
circle.shape: (3,) circle: [348 213 67]
circle.shape: (3,) circle: [443 45 28]
circle.shape: (3,) circle: [535 43 28]
circle.shape: (3,) circle: [59 38 28]
從運行結果可以看到找到有的圓形位置和半徑跟HOUGH_GRADIENT方法是一樣的，但是要注意的是回傳的結果組織形式是有差異的，HOUGH_GRADIENT_ALT方法找到的圓形陣列的shape屬性為(5, 1, 3)，其shape[0]表示找到圓形的個數，shape[1]則固定為1，shape[2]是圓的3個引數，分別表示圓形的x，y坐標和半徑；而HOUGH_GRADIENT方法找到的圓形陣列的shape屬性為(1, 5, 3)，shape[0]固定為1，shape[1]為5表示包含5組圓形的引數，shape[2]是圓的3個引數，
入參dp
在上面的例子種修改dp的值為20：
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT_ALT,20,20,param1=50,param2=0.9,minRadius=0,maxRadius=0)
print('circles.shape:',circles.shape)
print('circles:\n',circles)運行結果：
img_src.shape: (312, 584, 3)
circles.shape: (4, 1, 3)
circles:
[[[340. 220. 72.84901 ]]
[[440. 40. 28.715666]]
[[ 60. 40. 28.445187]]
[[540. 40. 31.973608]]]
circle.shape: (3,) circle: [340 220 73]
circle.shape: (3,) circle: [440 40 29]
circle.shape: (3,) circle: [60 40 28]
circle.shape: (3,) circle: [540 40 32]得到的圓心精確度下降，某些圓心已經偏離了原來的位置：
引數minDist
和HOUGH_GRADIENT方法一樣，增大minDist入參的值會導致右上角的找到的圓形減少一個：
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT_ALT,1,100,param1=50,param2=0.9,minRadius=0,maxRadius=0)運行結果：
circles.shape: (4, 1, 3)
circles:
[[[160. 192. 67.132744]]
[[348. 213. 67.159256]]
[[535. 43. 28.45556 ]]
[[ 59. 38. 28.443163]]]
circle.shape: (3,) circle: [160 192 67]
circle.shape: (3,) circle: [348 213 67]
circle.shape: (3,) circle: [535 43 28]
circle.shape: (3,) circle: [59 38 28]引數param2
當method=HOUGH_GRADIENT_ALT時，param2引數的最大取值到1時表示最高精確度找圓，所以該數值越接近1，找到的圓就會越少，下面將該引數該為0.99：
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT_ALT,1,20,param1=50,param2=0.99,minRadius=0,maxRadius=0)
print('circles.shape:',circles.shape)
print('circles:\n',circles)運行結果：
circles.shape: (3, 1, 3)
circles:
[[[160. 192. 67.03482 ]]
[[348. 213. 67.37982 ]]
[[535. 43. 28.421442]]]
circle.shape: (3,) circle: [160 192 67]
circle.shape: (3,) circle: [348 213 67]
circle.shape: (3,) circle: [535 43 28]這時只能找到3個圓形：
桔子菌嘗試修改param2=1.0時一個圓形也找不到，這時要求被查找的圓形十分“完美”，
而當修改param2=0.1或0.01時，仍然只找到5個圓形，并沒有像HOUGH_GRADIENT方法那樣param2引數急劇變化后找到了非常多“錯誤”的圓形，
引數minRadius,maxRadius
這2個引數的用法和在method=HOUGH_GRADIENT方法中一樣，可以限制圓形的半徑，
但是maxRadius有個差異的地方在于即使設定為-1，HOUGH_GRADIENT_ALT方法仍然會找圓的半徑：
circles = cv2.HoughCircles(img_gray,cv2.HOUGH_GRADIENT_ALT,1,20,param1=50,param2=0.9,minRadius=0,maxRadius=-1)
print('circles.shape:',circles.shape)
print('circles:\n',circles)運行結果：
circles.shape: (5, 1, 3)
circles:
[[[160. 192. 67.132744]]
[[348. 213. 67.159256]]
[[443. 45. 28.429234]]
[[535. 43. 28.45556 ]]
[[ 59. 38. 28.443163]]]小結：houghCircles()找圓的方法有2種：HOUGH_GRADIENT和HOUGH_GRADIENT_ALT，通過method引數傳入來區分，二者回傳結果的組織形式存在極大差別，其陣列的shape屬性下標0和1的含義相互做了調換，使用時需要特別注意，minDist、minRadius引數對于2種方法而言沒有什么差異，maxRadius為負數時HOUGH_GRADIENT方法不找半徑，HOUGH_GRADIENT_ALT仍然查找半徑，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/400398.html
標籤：其他
上一篇：Python爬蟲案例50篇-第18篇-使用PySimpleGUI對視頻爬蟲做個可視化界面
下一篇：目標檢測之YOLOv4