利用OpenCV霍夫變換檢測出圓
【OpenCV入門教程之十四】OpenCV霍夫變換：霍夫線變換，霍夫圓變換合輯
Opencv--HoughCircles源碼剖析
HoughCircles函數可以利用霍夫變換算法檢測出灰度圖中的圓。它和之前的HoughLines和HoughLinesP比較明顯的一個區別是它不需要源圖是二值的，而HoughLines和HoughLinesP都需要源圖為二值圖像。
1 void HoughCircles(InputArray image,OutputArray circles, int method, double dp, double minDist, double param1=100,double param2=100, int minRadius=0, int maxRadius=0 )
- 第一個參數，InputArray類型的image，輸入圖像，即源圖像，需為8位的灰度單通道圖像。
- 第二個參數，InputArray類型的circles，經過調用HoughCircles函數后此參數存儲了檢測到的圓的輸出矢量，每個矢量由包含了3個元素的浮點矢量(x, y, radius)表示。
- 第三個參數，int類型的method，即使用的檢測方法，目前OpenCV中就霍夫梯度法一種可以使用，它的標識符為CV_HOUGH_GRADIENT，在此參數處填這個標識符即可。
- 第四個參數，double類型的dp，用來檢測圓心的累加器圖像的分辨率於輸入圖像之比的倒數，且此參數允許創建一個比輸入圖像分辨率低的累加器。上述文字不好理解的話，來看例子吧。例如，如果dp= 1時，累加器和輸入圖像具有相同的分辨率。如果dp=2，累加器便有輸入圖像一半那么大的寬度和高度。
- 第五個參數，double類型的minDist，為霍夫變換檢測到的圓的圓心之間的最小距離，即讓我們的算法能明顯區分的兩個不同圓之間的最小距離。這個參數如果太小的話，多個相鄰的圓可能被錯誤地檢測成了一個重合的圓。反之，這個參數設置太大的話，某些圓就不能被檢測出來了。
- 第六個參數，double類型的param1，有默認值100。它是第三個參數method設置的檢測方法的對應的參數。對當前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示傳遞給canny邊緣檢測算子的高閾值，而低閾值為高閾值的一半。
- 第七個參數，double類型的param2，也有默認值100。它是第三個參數method設置的檢測方法的對應的參數。對當前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示在檢測階段圓心的累加器閾值。它越小的話，就可以檢測到更多根本不存在的圓，而它越大的話，能通過檢測的圓就更加接近完美的圓形了。
- 第八個參數，int類型的minRadius,有默認值0，表示圓半徑的最小值。
- 第九個參數，int類型的maxRadius,也有默認值0，表示圓半徑的最大值。
1 Mat src_color = imread("C:/Users/Administrator/Desktop/環形計數專利/樣本圖像/白環.png");//讀取原彩色圖 2 //imshow("原圖-彩色", src_color); 3 4 //聲明一個三通道圖像，像素值全為0，用來將霍夫變換檢測出的圓畫在上面 5 Mat dst(src_color.size(), src_color.type()); 6 dst = Scalar::all(0); 7 8 Mat src_gray;//彩色圖像轉化成灰度圖 9 cvtColor(src_color, src_gray, CV_BGR2GRAY); 10 threshold(src_gray, src_gray, 100, 255, CV_THRESH_OTSU); 11 src_gray = 255 - src_gray; 12 imshow("原圖-灰度", src_gray); 13 //imwrite("src_gray.png", src_gray); 14 15 Mat bf;//對灰度圖像進行雙邊濾波 16 bilateralFilter(src_gray, bf, kvalue, kvalue * 2, kvalue / 2); 17 //imshow("灰度雙邊濾波處理", bf); 18 //imwrite("src_bf.png", bf); 19 20 vector<Vec3f> circles;//聲明一個向量，保存檢測出的圓的圓心坐標和半徑 21 HoughCircles(bf, circles, CV_HOUGH_GRADIENT, 1.5, 20, 130, 38, 10, 50);//霍夫變換檢測圓 22 cout << circles.size() << endl; 23 //cout << "x=\ty=\tr=" << endl; 24 25 for (size_t i = 0; i < circles.size(); i++)//把霍夫變換檢測出的圓畫出來 26 { 27 Point center(cvRound(circles[i][0]), cvRound(circles[i][1])); 28 int radius = cvRound(circles[i][2]); 29 30 circle(dst, center, 0, Scalar(0, 255, 0), -1, 8, 0); 31 circle(dst, center, radius, Scalar(0, 0, 255), 2, 8, 0); 32 33 //cout << cvRound(circles[i][0]) << "\t" << cvRound(circles[i][1]) << "\t" 34 //<< cvRound(circles[i][2]) << endl;//在控制台輸出圓心坐標和半徑 35 } 36 37 imshow("特征提取", dst); 38 //imwrite("dst.png", dst); 39 40 waitKey();
霍夫梯度法的缺點
<1> 在霍夫梯度法中，使用Sobel導數來計算局部梯度，其可以視作等同於一條局部切線，這不是一個數值穩定的做法。在大多數情況下，這樣做會得到正確的結果，但或許會在輸出中產生一些噪聲。
<2> 在邊緣圖像中的整個非0像素集被看做每個中心的候選部分。因此，如果把累加器的閾值設置偏低，算法將要消耗比較長的時間。第三，因為每一個中心只選擇一個圓，如果有同心圓，就只能選擇其中的一個。
<3> 因為中心是按照其關聯的累加器值的升序排列的，並且如果新的中心過於接近之前已經接受的中心的話，就不會被保留下來。且當有許多同心圓或者是近似的同心圓時，霍夫梯度法的傾向是保留最大的一個圓。可以說這是一種比較極端的做法，因為在這里默認Sobel導數會產生噪聲，若是對於無窮分辨率的平滑圖像而言的話，這才是必須的。
從實際運行的結果來看，我們發現HoughCircles函數不足之處是所需要的參數較多，而且每個參數的改變對結果影響都很大，即漏檢和錯檢的幾率很大。