自学教程：OpenCV霍夫圆变换cv2.HoughCircles()

# 霍夫圆检测import cv2import numpy as npcimg = cv2.imread('opencv_logo_350.jpg')cv2.imshow("origin", cimg)cv2.waitKey(0)img = cv2.cvtColor(cimg,cv2.COLOR_BGR2GRAY)img = cv2.medianBlur(img, 5)cimg = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)# - img: 待检测的灰度图# - cv2.HOUGH_GRADIENT：检测的方法，霍夫梯度# - 1：检测的圆与原始图像具有相同的大小，dp=2,检测的圆是原始图像的一半# - 20：检测到的圆的中心的最小距离（如果参数为太小，除了一个真实的圆外，还可能会错误地检测到多个相邻圆。如果太大，可能会漏掉一些圆。）# - param1：在#HOUGHŠu梯度的情况下，它是较高的. 两个阈值传递到Canny边缘检测器（较低的一个小两倍）。# - param2：在#HOUGHŠu梯度的情况下，它是检测阶段圆心的累加器阈值。它越小，就越可能检测到假圆；# - minRadius：最小圆半径，也可能会检测到假圆# - maxRadius：最大圆半径，如果<=0，则使用最大图像尺寸。如果<0，则返回没有找到半径的中心。circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20,                           param1=50, param2=40, minRadius=0, maxRadius=0)# 最小圆半径设置不合适，也可能会检测到假圆# circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20,#                            param1=50, param2=40, minRadius=0, maxRadius=0)# circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 20,#                            param1=50, param2=30, minRadius=10, maxRadius=0)circles = np.uint16(np.around(circles))print(len(circles))print(circles)for i in circles[0, :]:    # 绘制外圈圆（蓝色）    cv2.circle(cimg, (i[0], i[1]), i[2], (0, 255, 0), 2)    # 绘制圆心（红色）    cv2.circle(cimg, (i[0], i[1]), 2, (0, 0, 255), 3)cv2.imshow('detected circles', cimg)cv2.waitKey(0)cv2.destroyAllWindows()