做网站爱西安网站设计开发
Hough 圆环变换（Hough Circle Transform）是一种用于在图像中检测圆环的技术。与 Hough 直线变换类似，它通过在参数空间中表示图像中的圆环，将圆环检测问题转换为参数空间的累加问题。OpenCV 提供了 cv2.HoughCircles() 函数来执行 Hough 圆环变换。
cv2.HoughCircles()
circles = cv2.HoughCircles(image, method, dp, minDist, param1, param2, minRadius=0, maxRadius=0)
参数说明：
image: 输入的灰度图像。method: 圆环检测的方法。目前 OpenCV 中只支持cv2.HOUGH_GRADIENT，表示使用基于梯度的检测方法。dp: 累加器分辨率与图像分辨率的倒数比。如果设置为1，累加器的分辨率与图像分辨率相同；如果大于1，累加器的分辨率小于图像分辨率。minDist: 检测到的圆之间的最小距离。param1: Canny 边缘检测的高阈值。param2: 圆心累加器的阈值。只有当某个圆的累加值高于该阈值时，该圆才会被检测到。minRadius: 检测的圆的最小半径。maxRadius: 检测的圆的最大半径。
返回值：
circles: 检测到的圆的参数。每行表示一个检测到的圆，包括圆心的坐标和半径。
以下是一个简单的示例，演示如何使用 Hough 圆环变换检测图像中的圆环：
import cv2
import numpy as np
import matplotlib.pyplot as plt# 读取图像并转换为灰度
img = cv2.imread( r"C:\Users\mzd\Desktop\opencv\3.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 高斯模糊
blurred = cv2.GaussianBlur(gray, (9, 9), 2)# 执行 Hough 圆环变换
circles = cv2.HoughCircles(blurred, cv2.HOUGH_GRADIENT, dp=1, minDist=50, param1=50, param2=30, minRadius=10, maxRadius=100)# 将检测到的圆心坐标和半径转换为整数
circles = np.uint16(np.around(circles))# 在原图上绘制检测到的圆环
for i in circles[0, :]:cv2.circle(img, (i[0], i[1]), i[2], (0, 255, 0), 2) # 绘制圆环cv2.circle(img, (i[0], i[1]), 2, (0, 0, 255), 3) # 绘制圆心# 显示原图和检测到的圆环
plt.figure(figsize=(10, 5))plt.subplot(121), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title('Original Image with Circles'), plt.axis('off')plt.subplot(122), plt.imshow(blurred, cmap='gray')
plt.title('Blurred Image'), plt.axis('off')plt.show()
在这个示例中，我们首先读取了一幅图像，将其转换为灰度图像，然后对图像进行高斯模糊。接着，使用 cv2.HoughCircles() 函数进行 Hough 圆环变换，并在原图上绘制检测到的圆环。最后，通过 Matplotlib 显示原图和模糊图像。