Opencv之基于梯度的霍夫圆的检测

学习资料参考：

张平.《OpenCV算法精解：基于Python与C++》.[Z].北京.电子工业出版社.2017.

标准霍夫圆的检测比较简单，与霍夫直线检测类似，此处不再提及。

如下图所示：

其中蓝色部分就是该点的梯度，也就是点在圆上的切线。
做切线的垂直方向直线，得到如下所示：

其中紫色的点，即为法线的交点。

现在，我们只知道部分点和该点的梯度方向，如下图所示：

现在的任务就是找到哪些点是位于同一个圆上。按照上述的方法，我们做出每个点的梯度方向的法线，可得到如下所示：

根据上图可以发现，粉色的点有三条法线穿过，其余两个蓝色的点各有两条直线穿过。原理上将根据法线穿过的数量记为该点为圆心的支持度。

那么选择上述粉色点作为圆心可得如下所示的圆：

那么使用程序实现，也就是基于梯度的霍夫圆的检测步骤为：

1. 确定圆心
2. 确定半径，进而确定圆

那么实现中的第一步如何确定每个点的梯度的方向，可以借助sobel算子，该算子可以提供边缘梯度。而在opencv库函数中，提供了HoughCircles(imgae, method, dp, minDist, circles, param1, param2, minRadius, maxRadius).该函数在内部使用了sobel进行边缘的二值化。

import cv2


if __name__ == "__main__":
    image = cv2.imread(r"C:Users1Picturestest2.jpg")
    cv2.imshow("src", image)
    circles = cv2.HoughCircles(cv2.cvtColor(image, cv2.COLOR_BGR2GRAY), cv2.HOUGH_GRADIENT, 1, 100, 200, param2=60, minRadius=54)
    print(circles.shape)
    n = circles.shape[1]
    for i in range(n):
        center = (int(circles[0, i, 0]), int(circles[0, i, 1]))
        radius = int(circles[0, i, 2])
        cv2.circle(image, center, radius, 255, 3)
    cv2.imshow("test", image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

运行结果