opencv-python霍夫圆检测

import cv2 as cv
import numpy as np
import time



def detect_circles_demo(image):
    start=time.time()
    #dst = cv.pyrMeanShiftFiltering(image, 10, 100) #均值迁移，EPT边缘保留滤波,霍夫噪声敏感，所以要先消除噪声
    cimage = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    # 卷积操作，-1表示通道数与原图相同
    circles = cv.HoughCircles(cimage, cv.HOUGH_GRADIENT, 
                              1, 20, param1=90, param2=70 , minRadius=0, maxRadius=0)
    """
    HoughCircles(InputArray image,OutputArray circles, int method, double dp, double minDist, double param1=100,
                    double param2=100, int minRadius=0, int maxRadius=0 )

    第一个参数，InputArray类型的image，输入图像，即源图像，需为8位的灰度单通道图像。
第二个参数，outputArray类型的circles，经过调用HoughCircles函数后此参数存储了检测到的圆的输出矢量，每个矢量由包含了3个元素的浮点矢量(x, y, radius)表示。
第三个参数，int类型的method，即使用的检测方法，目前OpenCV中就霍夫梯度法一种可以使用，它的标识符为CV_HOUGH_GRADIENT，在此参数处填这个标识符即可。
第四个参数，double类型的dp，用来检测圆心的累加器图像的分辨率于输入图像之比的倒数，且此参数允许创建一个比输入图像分辨率低的累加器。上述文字不好理解的话，来看例子吧。例如，如果dp= 1时，累加器和输入图像具有相同的分辨率。如果dp=2，累加器便有输入图像一半那么大的宽度和高度。
第五个参数，double类型的minDist，为霍夫变换检测到的圆的圆心之间的最小距离，即让我们的算法能明显区分的两个不同圆之间的最小距离。这个参数如果太小的话，多个相邻的圆可能被错误地检测成了一个重合的圆。反之，这个参数设置太大的话，某些圆就不能被检测出来了。
第六个参数，double类型的param1，有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示传递给canny边缘检测算子的高阈值，而低阈值为高阈值的一半。
第七个参数，double类型的param2，也有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示在检测阶段圆心的累加器阈值。它越小的话，就可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了。
第八个参数，int类型的minRadius,有默认值0，表示圆半径的最小值。
第九个参数，int类型的maxRadius,也有默认值0，表示圆半径的最大值。


    """
    #circles = np.uint16(np.around(circles)) #around对数据四舍五入，转化为整数
    #print(circles)
    if circles is not None:
        for i in circles[0, :]:
            cv.circle(image, (i[0], i[1]), i[2], (0, 0, 255), 2)  #画圆
            cv.circle(image, (i[0], i[1]), 2, (255, 0, 0), 2)  #标记中心
    else:
        print("no circle ")
        exit()
    end=time.time()
    print("run time:",end-start)
    cv.imshow("circles", image)
    cv.imwrite("行星.jpg",image)


imgpath="Hough_circle.jpg"
src = cv.imread(imgpath)
#print(src)
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

detect_circles_demo(src)
cv.waitKey(0)

cv.destroyAllWindows()

run time: 0.04477953910827637

5.jpg