Python opencv进行圆形识别（圆检测）

Posted 2023-03-30 老李的森林

圆形识别（圆检测）是图像识别中很常见的一种处理方式，最核心的是cv2.HoughCircles这个函数实现的圆形检测。当然还有一些其他的处理过程，以下详述：

1 读入图像

首先需要读取一个图像文件，将其作为一个变量

img = cv2.imread("save1.jpg", 0)     # 0或者cv2.IMREAD_GRAYSCALE  读取为灰度图像
img2 = cv2.imread("save1.jpg", 1)     # 1或者cv2.IMREAD_COLOR 读取为为彩色图像

img是一个ndarray，2维结构，包含的是灰度化后的图像信息
img2是一个ndarray，3维结构，包含的是RGB彩色图像信息，比img2多出一个色彩维度
如下图，img2是3个方括号“[”

2 图像预处理

可以对图像进行裁切，滤波等处理，当然不处理也可以直接用，以下展示一下：

裁切

size = 400
x1 = 560
y1 = 200
x2 = x1+size
y2 = y1+size
cut = img[y1:y2, x1:x2]

滤波加二值化

numpy_img = cv2.adaptiveThreshold(cut, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 15)   # 自动阈值二值化

显示中间处理过程

有时候我们需要直观的看到中间处理过程的图像样貌，可以随时显示

cv2.imshow("img", img)
cv2.imshow("cut", cut)
cv2.imshow("numpy_img", numpy_img)
cv2.waitKey(0)

注意imshow函数，第一个参数是要显示的窗口的标题，不得用中文和中文标点，必须全英文，否则会乱码，第2个参数是待显示的图像变量
最后一行可以没有，如果有的话，程序会在此等待，直到有按键动作，程序才继续往后运行。这对我们调试比较有用。

3 圆形识别

#                                                      圆心距 canny阈值    投票数      最小半径       最大半径
circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 170,   param1=100, param2=60,  minRadius=60, maxRadius=90)

大概讲一下重要的几个参数，参数与实际的图像尺寸相关，不是一个参数用所有的图
圆心距：170 圆心距小于此值的圆不检测，以减小计算量
canny阈值：图像二值化的参数，根据实际情况调整
投票数：一个圆需要至少包含多少个点，才认为这是一个圆
最小半径，最大半径：在此值之间的圆才是需要的圆，超过范围不检测，以减小计算量
检测完的结果保存在circles 中
可以自己调整参数以观察结果

4 显示检测结果

没啥好说的，代码很简单，就是对于每个结果画出圆和圆心

arr1 = np.zeros([0, 2], dtype=int)                      # 创建一个0行, 2列的空数组
if circles is not None:
    circles = np.uint16(np.around(circles))   # 4舍5入, 然后转为uint16
    for i in circles[0, :]:
        arr1 = np.append(arr1, (i[0], i[1]))            # arr1是圆心坐标的np数组
        # print(arr1)
        cv2.circle(img2, (i[0], i[1]), i[2], (0, 0, 255), 3)  # 轮廓
        cv2.circle(img2, (i[0], i[1]), 2, (0, 0, 0), 6)     # 圆心

5 完整代码和示例图像

可以在这里下载：示例代码下载

Python+opencv 机器视觉 - 基于霍夫圈变换算法检测图像中的圆形实例演示

Python+opencv 机器视觉 - 基于霍夫圈变换算法检测图像中的圆形实例演示

• 第一章：霍夫变换检测圆
• ① 实例演示1
• ② 实例演示2
• ③ 霍夫变换函数解析
• 第二章：Python + opencv 完整检测代码
• ① 源代码
• ② 运行效果图

第一章：霍夫变换检测圆

① 实例演示1

这个是设定半径范围 0-50 后的效果。

② 实例演示2

这个是设定半径范围 50-70 后的效果，因为原图稍微大一点，半径也大了一些。

③ 霍夫变换函数解析

cv.HoughCircles() 方法
参数分别为：image、method、dp、minDist、param1、param2、minRadius、maxRadius
其中：
image 为灰度图像；
method 使用的方法为霍夫梯度法，目前已知的有 HOUGH_GRADIENT 和 HOUGH_GRADIENT_ALT 两种，后者的准确率会更高一点；
dp 为累加器分辨率与图片分辨率的反比。
minDist 为两个圆中心的最小距离；
param1 对于 CV_HOUGH_GRADIENT 表示传入 canny 边缘检测的阈值；
param2 对于 CV_HOUGH_GRADIENT 表示检测阶段圆心的累加阈值，值越小能检测出的圆越多，值越大的话就检测出来的少，但是检测出来的圆形相比于没检测出来的会更圆、更完美一些；
minRadius 为最小半径；
minRadius 为最大半径；

首先通过均值偏移滤波降噪来排除干扰的点，提高识别的准确率，然后进行灰度处理。

# 均值偏移滤波降噪处理
mean_filter_img = cv.pyrMeanShiftFiltering(image, 10, 100)
cv.imshow("mean_filter_img", mean_filter_img)

# 图像灰度处理
gray_img = cv.cvtColor(mean_filter_img, cv.COLOR_BGR2GRAY)

# 霍夫圈变换
# 参数分别为：image, method, dp, minDist, param1, param2, minRadius, maxRadius
# 其中：image为灰度图像，method使用的方法为霍夫梯度法，minDist两个圆中心的最小距离
circles = cv.HoughCircles(gray_img, cv.HOUGH_GRADIENT, 1, 30, param1=50, param2=30, minRadius=0, maxRadius=50)

第二章：Python + opencv 完整检测代码

① 源代码

# -*- coding:utf-8 -*-
# 2021-12-17
# 作者：小蓝枣
# opencv圆形检测

import cv2 as cv
import numpy as np

def detect_circle(image):
    '''
     作用：圆形检测
     参数：需要检测圆的图片
     返回：检测出圆形的信息
    '''
    # 均值偏移滤波降噪处理
    mean_filter_img = cv.pyrMeanShiftFiltering(image, 10, 100)
    cv.imshow("mean_filter_img", mean_filter_img)
    
    # 图像灰度处理
    gray_img = cv.cvtColor(mean_filter_img, cv.COLOR_BGR2GRAY)
    
    # 霍夫圈变换
    # 参数分别为：image, method, dp, minDist, param1, param2, minRadius, maxRadius
    # 其中：image为灰度图像，method使用的方法为霍夫梯度法，minDist两个圆中心的最小距离
    circles = cv.HoughCircles(gray_img, cv.HOUGH_GRADIENT, 1, 30, param1=50, param2=30, minRadius=0, maxRadius=50)
    
    # 对数据进行取整
    print("取整前信息：" + str(circles))
    circles = np.uint16(np.around(circles))
    print("取整后信息：" + str(circles))
    
    return circles
    
def draw_circle(img, circles):
    '''
     作用：根据圆形信息在图片中绘制圆
     参数1：原始图片信息
     参数2：圆形坐标信息
     返回：无
    '''
    for i in circles[0, :]:
        # 绘制圆外圈
        # 参数分别为：圆心、半径、颜色、线框宽度
        cv.circle(img, (i[0], i[1]), i[2], (0, 0, 255), 2)
        # 绘制圆心 
        cv.circle(img, (i[0], i[1]), 2, (255, 0, 0), 2)
    cv.imshow("draw_circle_img", img)

# 读取图片信息
img = cv.imread("./image/meixi.jpg")

# 设置窗口不可改变大小（参数包含：WINDOW_AUTOSIZE、WINDOW_NORMAL、WINDOW_OPENGL）
cv.namedWindow("original image", cv.WINDOW_AUTOSIZE)
cv.imshow("original image", img)

# 检测圆
circles = detect_circle(img)
#绘制圆
draw_circle(img, circles)

cv.waitKey(0)
cv.destroyAllWindows()

② 运行效果图

原始图片：

降噪后效果：

霍夫变换检测圆处理后效果：

取整后效果图：

喜欢的点个赞❤吧！