python下用OpenCV的圆形检测

一．简介：

初次使用python的你一定感受到了python的便捷。作为高级编程语言只需调用类库即可。

对于圆形物体识别问题，opencv提供了大量方法。

（代码文末附上）

二．检测步骤：

2.1读取图像

窗口1（初始图像未经过处理）

2.2降噪处理

由于图像中存在大量噪点（什么是噪点参考https://www.zhihu.com/question/23877970）

利用降噪方法cv2.blur(img, (5,5))

其中两个参数为横向纵向的模糊程度，数值越大越模糊

这是5，5的模糊程度

这是20，20的模糊程度

这里我们用5，5效果测试下来最佳

2.3灰度化

灰度化常用于色彩丰富的图像，类似ps中的失色操作。

方法：cv2.cvtColor(result,cv2.COLOR_BGR2GRAY)

由于原图像就是黑白主色调，所以去色改变不大

2.4霍夫变化圆检测

之前的降噪和灰度化都是为了这一步的检测

参考文章http://lib.csdn.net/article/opencv/24037

方法如下：

cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,50,param1=80,param2=30,minRadius=15,maxRadius=20)

参数1 image：传递图像

参数2 method：默认，不用理解

参数3 dp：默认，不用理解

参数4 minDist：不同圆心的最小距离，单位为像素

参数5 涉及到Canny算法，这里的80为canny算法的上限，这里的canny算法下限自动设置为为上限一半，马上介绍canny算法

参数6 需要理解上面的参考文章，可以认为是需要达到的累加数量

参数7，8 为最小半径和最大半径，避免识别白色的圆圈

那么什么是canny算法呢？简单来说就是边缘检测算法

具体实现效果可以参考方法：cv2.Canny(img, 27, 54)，显示效果为

加大参数边缘就越少，我们用到的就是这种效果，即设置上限为80

cv2.Canny(img, 40, 80)

最终

circles=cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,50,param1=80,param2=30,minRadius=15,maxRadius=20)

会将所有识别的圆形参数（圆心位置，半径）保存到circles

可以认为是一个数组中

2.5标记

根据2.4获取的图像信息利用cv2.circle()方法进行圈画

大功告成，可以调整参数达到满意的效果。

三．附上代码

# -*- coding: utf-8 -*-

import  cv2

#载入并显示图片

img=cv2.imread('1.jpg')

cv2.imshow('1',img)

#降噪（模糊处理用来减少瑕疵点）

result = cv2.blur(img, (5,5))

cv2.imshow('2',result)

#灰度化,就是去色（类似老式照片）

gray=cv2.cvtColor(result,cv2.COLOR_BGR2GRAY)

cv2.imshow('3',gray)

#param1的具体实现，用于边缘检测

canny = cv2.Canny(img, 40, 80)

cv2.imshow('4', canny)  

#霍夫变换圆检测

circles= cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,50,param1=80,param2=30,minRadius=15,maxRadius=20)

#输出返回值，方便查看类型

print(circles)

#输出检测到圆的个数

print(len(circles[0]))

print('-------------我是条分割线-----------------')

#根据检测到圆的信息，画出每一个圆

for circle in circles[0]:

    #圆的基本信息

    print(circle[2])

    #坐标行列(就是圆心)

    x=int(circle[0])

    y=int(circle[1])

    #半径

    r=int(circle[2])

    #在原图用指定颜色圈出圆，参数设定为int所以圈画存在误差

    img=cv2.circle(img,(x,y),r,(0,0,255),1,8,0)

#显示新图像

cv2.imshow('5',img)

#按任意键退出

cv2.waitKey(0)

cv2.destroyAllWindows()