【图像处理】检测圆的Hough变换算法
1、先检测边界。
img0=cv2.imread('0.png')
img=cv2.Canny(img0,0,255)
2、构造一个计数器：
u,v=img.shape
acc=img*0
3、检测半径为100的圆：
r=100
for i in range(u):
for j in range(v):
if img[i,j]!=0:
for m in range(360):
t=m*np.pi/180
x=int(i-r*np.cos(t))
y=int(j-r*np.sin(t))
if 0<x<u and 0<y<v:
acc[x,y]=acc[x,y]+1
没有明显的极值点，就表示没有半径为100的圆。
4、无论怎么样，先在原图中标注出检测到的"圆"：
x,y=np.where(acc==np.max(acc))
cv2.circle(img0,(x[0],y[0]),r,(0,0,255),2)
确实检测无效，见下图。
5、用for循环检测不同半径的圆：
for r in range(45,50):
acc=img*0
for i in range(u):
for j in range(v):
if img[i,j]!=0:
for m in range(360):
t=m*np.pi/180
x=int(i-r*np.cos(t))
y=int(j-r*np.sin(t))
if 0<x<u and 0<y<v:
acc[x,y]=acc[x,y]+1
if np.max(acc)<300:
pass
else:
cv2.imwrite('2.png',acc)
x,y=np.where(acc==np.max(acc))
cv2.circle(img0,(x[0],y[0]),r,(0,0,255),2)
检测失败，而且很耗时。
6、opencv内置检测方法，可以同时检测不同半径的圆，而且时间很短：
img0=cv2.imread('0.png')
img=cv2.Canny(img0,0,255)
circles= cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,100,
param1=100,param2=30,
minRadius=45,maxRadius=100)
for circle in circles[0]:
x=int(circle[0])
y=int(circle[1])
r=int(circle[2])
cv2.circle(img0,(x,y),r,(0,0,255),2)
cv2.imwrite('3.png',img0)
