霍夫变换HoughCircles边缘检测与线性矢量

视频讲解如下：

当前系列所有demo下载地址：

https://github.com/GaoRenBao/OpenCv4-Demo

不同编程语言对应的OpenCv版本以及开发环境信息如下： 

本章节给大家讲讲如何对图像进行霍夫变换HoughCircles边缘检测与线性矢量操作。当前代码主体还是使用毛星云的demo，C#和Python都是在C++版本的基础上转换过来的，三个版本的效果基本一致。

测试原图：

测试效果：

关键函数：HoughCircles

C#函数原型如下：

public static CircleSegment[] HoughCircles(InputArray image, HoughModes method, double dp, 
        double minDist, double param1 = 100, double param2 = 100, int minRadius = 0, int maxRadius = 0);

C++函数原型如下：

CV_EXPORTS_W 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：InputArray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。

C#版本代码

C#版本需要安装“OpenCvSharp4”、“OpenCvSharp4.runtime.win”两个库才行。不然会报错。

如果需要使用“ BitmapConverter.ToBitmap”操作，则需要追加安装“OpenCvSharp4.Extensions”库。

using OpenCvSharp;

namespace demo
{
    internal class Program
    {
        static void Main(string[] args)
        {
            //【1】载入原始图和Mat变量定义   
            Mat srcImage = Cv2.ImRead("../../../images/HoughCircles.jpg");

            //临时变量和目标图的定义
            Mat midImage = new Mat();

            //【2】显示原始图  
            Cv2.ImShow("【原始图】", srcImage);

            //【3】转为灰度图并进行图像平滑
            // 转化边缘检测后的图为灰度图
            Cv2.CvtColor(srcImage, midImage, ColorConversionCodes.BGR2GRAY);
            Cv2.GaussianBlur(midImage, midImage, new Size(9, 9), 2, 2);

            //【4】进行霍夫圆变换
            // opencv3：HoughMethods.Gradient
            // opencv4：HoughModes.Gradient
            CircleSegment[] circles = Cv2.HoughCircles(midImage, HoughModes.Gradient, 1.5, 10, 200, 100, 0, 0);

            //【5】依次在图中绘制出圆
            for (int i = 0; i < circles.Length; i++)
            {
                //参数定义
                Point2f center = circles[i].Center;
                float radius = circles[i].Radius;
                //绘制圆心
                Cv2.Circle(srcImage, (int)center.X, (int)center.Y, 5, new Scalar(0, 255, 0), -1, LineTypes.Link8, 0);
                //绘制圆轮廓
                Cv2.Circle(srcImage, (int)center.X, (int)center.Y, (int)radius, new Scalar(155, 50, 255), 5, LineTypes.Link8, 0);
            }

            //【6】显示效果图  
            // Cv2.Resize(srcImage, srcImage, new Size(srcImage.Cols * 0.5, srcImage.Rows * 0.5), 0, 0, InterpolationFlags.Area);
            Cv2.ImShow("【C# 效果图】", srcImage);

            Cv2.WaitKey(0);
        }
    }
}

C++版本代码

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace cv;
using namespace std;

int main()
{
    //【1】载入原始图、Mat变量定义   
    Mat srcImage = imread("../images/HoughCircles.jpg"); 
    Mat midImage;//临时变量和目标图的定义

     //【2】显示原始图
    imshow("【原始图】", srcImage);

    //【3】转为灰度图并进行图像平滑
    // opencv3：CV_BGR2GRAY
    // opencv4：COLOR_BGR2GRAY
    cvtColor(srcImage, midImage, COLOR_BGR2GRAY);//转化边缘检测后的图为灰度图
    GaussianBlur(midImage, midImage, Size(9, 9), 2, 2);

    //【4】进行霍夫圆变换
    vector<Vec3f> circles;
    // opencv3：CV_HOUGH_GRADIENT
    // opencv4：HOUGH_GRADIENT
    HoughCircles(midImage, circles, HOUGH_GRADIENT, 1.5, 10, 200, 100, 0, 0);

    //【5】依次在图中绘制出圆
    for (size_t i = 0; i < circles.size(); i++)
    {
        //参数定义
        Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
        int radius = cvRound(circles[i][2]);
        //绘制圆心
        circle(srcImage, center, 5, Scalar(0, 255, 0), -1, 8, 0);
        //绘制圆轮廓
        circle(srcImage, center, radius, Scalar(155, 50, 255), 5, 8, 0);
    }

    //【6】显示效果图  
    // resize(srcImage, srcImage, Size(srcImage.cols * 0.5, srcImage.rows * 0.5), (0, 0), (0, 0), 3);
    imshow("【C++ 效果图】", srcImage);

    waitKey(0);
    return 0;
}

Python版本代码

import cv2
import numpy as np

# 【1】载入原始图和Mat变量定义
srcImage = cv2.imread('../images/HoughCircles.jpg')

# 【2】显示原始图
cv2.imshow("srcImage", srcImage)

# 【3】转化边缘检测后的图为灰度图
midImage = cv2.cvtColor(srcImage, cv2.COLOR_BGR2GRAY)
# 进行高斯滤波操作
midImage = cv2.GaussianBlur(midImage, (9, 9), 2)

# 【3】进行霍夫线变换
circles = cv2.HoughCircles(midImage, cv2.HOUGH_GRADIENT, 1.5, 10,
                           param1=200, param2=100, minRadius=0, maxRadius=0)

circles = np.uint16(np.around(circles))
for i in circles[0, :]:
    cv2.circle(srcImage, (i[0], i[1]), 3, (0, 255, 0), -1)
    cv2.circle(srcImage, (i[0], i[1]), i[2], (155, 50, 255), 3)

# 【7】显示效果图
cv2.imshow("EndImage", srcImage)

cv2.waitKey(0)
cv2.destroyAllWindows()