网站开发众筹,自媒体创业,广州学网站建设,怎么让别人访问我建的网站操作系统#xff1a;ubuntu22.04 OpenCV版本#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言#xff1a;C11
算法描述
在灰度图像中使用霍夫变换查找圆形。
该函数使用霍夫变换的一种修改版本在灰度图像中查找圆形。 例子#xff1a;
#include opencv2/imgp… 操作系统ubuntu22.04 OpenCV版本OpenCV4.9 IDE:Visual Studio Code 编程语言C11
算法描述
在灰度图像中使用霍夫变换查找圆形。
该函数使用霍夫变换的一种修改版本在灰度图像中查找圆形。 例子
#include opencv2/imgproc.hpp
#include opencv2/highgui.hpp
#include math.h
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{Mat img, gray;if( argc ! 2 || !(imgimread(argv[1], IMREAD_COLOR)).data)return -1;cvtColor(img, gray, COLOR_BGR2GRAY);// smooth it, otherwise a lot of false circles may be detectedGaussianBlur( gray, gray, Size(9, 9), 2, 2 );vectorVec3f circles;HoughCircles(gray, circles, HOUGH_GRADIENT,2, gray.rows/4, 200, 100 );for( size_t i 0; i circles.size(); i ){Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));int radius cvRound(circles[i][2]);// draw the circle centercircle( img, center, 3, Scalar(0,255,0), -1, 8, 0 );// draw the circle outlinecircle( img, center, radius, Scalar(0,0,255), 3, 8, 0 );}namedWindow( circles, 1 );imshow( circles, img );waitKey(0);return 0;
}注意
通常该函数能够很好地检测圆形的中心。然而它可能无法正确找到半径。如果你知道半径范围可以通过指定 minRadius 和 maxRadius 来帮助函数。或者在使用 HOUGH_GRADIENT 方法的情况下你可以将 maxRadius 设置为一个负数以仅返回中心而不进行半径搜索并使用额外的过程来找到正确的半径。 对图像进行轻微的平滑处理也有帮助除非图像本身已经很平滑。例如使用大小为 7x7 的高斯核和 1.5x1.5 的 sigma 进行 GaussianBlur() 或类似的模糊处理可能会有帮助。
HoughCircles 是 OpenCV 中用于检测图像中圆形的一个函数。Hough 变换是一种用于检测图像中特定形状的技术尤其是直线和圆形。HoughCircles 实现了 Hough 变换的一个变种专门用于检测圆形。
函数原型
void cv::HoughCircles
(InputArray image,OutputArray circles,int method,double dp,double minDist,double param1 100,double param2 100,int minRadius 0,int maxRadius 0
)
参数 参数image: 8 位单通道灰度输入图像。 参数circles: 输出的检测到的圆形向量。每个向量编码为包含 3 或 4 个元素的浮点数向量x, y, 半径或x, y, 半径, 投票数。 参数method: 检测方法参见 HoughModes。可用的方法包括 HOUGH_GRADIENT 和 HOUGH_GRADIENT_ALT。 参数dp: 累加器分辨率与图像分辨率的逆比。例如如果 dp1累加器具有与输入图像相同的分辨率。如果 dp2累加器的宽度和高度各为输入图像的一半。对于 HOUGH_GRADIENT_ALT推荐的值是 dp1.5除非需要检测一些非常小的圆形。 参数minDist: 检测到的圆形中心之间的最小距离。如果该参数太小可能会错误地检测到多个相邻的圆形。如果太大某些圆形可能会被遗漏。 参数param1: 第一个特定于方法的参数。在 HOUGH_GRADIENT 和 HOUGH_GRADIENT_ALT 的情况下它是传递给 Canny 边缘检测器的较高阈值较低的阈值是较高阈值的一半。注意 HOUGH_GRADIENT_ALT 使用 Scharr 算法来计算图像的导数所以阈值通常应该更高例如 300 或者适用于正常曝光和对比度较高的图像。 参数param2: 第二个特定于方法的参数。在 HOUGH_GRADIENT 的情况下它是检测阶段的累加器阈值用于圆心。该值越小可能检测到的虚假圆形越多。对应的累加器值较大的圆形将优先返回。在 HOUGH_GRADIENT_ALT 算法中这是圆形的“完美度”度量。该值越接近 1算法选择的圆形形状越好。大多数情况下 0.9 应该是合适的。如果你想更好地检测小圆形可以将其减小到 0.85、0.8 或甚至更小。但同时也要尝试限制搜索范围 [minRadius, maxRadius] 以避免出现许多虚假圆形。 参数minRadius: 最小圆形半径。 参数maxRadius: 最大圆形半径。如果 0使用最大图像尺寸。如果 0HOUGH_GRADIENT 返回中心而不查找半径。HOUGH_GRADIENT_ALT 总是计算圆形的半径。
代码示例 #include iostream
#include opencv2/opencv.hppint main( int argc, char** argv )
{// 加载图像cv::Mat img cv::imread(/media/dingxin/data/study/OpenCV/sources/images/qiu.jpg, cv::IMREAD_COLOR );if ( !img.data ){std::cout No image data std::endl;return -1;}cv::imshow( Original Image, img );// 转换为灰度图cv::Mat gray;cvtColor( img, gray, cv::COLOR_BGR2GRAY );// 高斯模糊减少噪声cv::GaussianBlur( gray, gray, cv::Size( 9, 9 ), 2, 2 );std::vector cv::Vec3f circles; // 存储检测到的圆形信息// 设置参数double dp 1; // 累加器分辨率double minDist img.rows / 8; // 圆心之间的最小距离double param1 100; // 边缘检测的高阈值double param2 30; // 累加器阈值int minRadius 0; // 最小半径int maxRadius 0; // 最大半径// 使用 HoughCircles 检测圆形cv::HoughCircles( gray, circles, cv::HOUGH_GRADIENT, dp, minDist, param1, param2, minRadius, maxRadius );// 绘制检测到的圆形for ( size_t i 0; i circles.size(); i ){cv::Vec3i c circles[ i ];cv::Point center( cvRound( c[ 0 ] ), cvRound( c[ 1 ] ) );int radius cvRound( c[ 2 ] );// 绘制圆心cv::circle( img, center, 1, cv::Scalar( 0, 100, 100 ), 3, cv::LINE_AA );// 绘制圆周cv::circle( img, center, radius, cv::Scalar( 255, 0, 0 ), 3, cv::LINE_AA );}// 显示带有检测出圆形的图像cv::imshow( Detected Circles, img );// 等待按键后关闭窗口cv::waitKey( 0 );return 0;
}运行结果
