[C++] opencv - HoughCircles(霍夫圆查找)函数介绍和使用场景

HoughCircles函数

HoughCircles函数用于在灰度图像中使用霍夫变换查找圆。该函数通过修改霍夫变换来实现，通常可以很好地检测出圆的中心，但可能无法找到正确的半径。可以通过指定半径范围(minRadius和maxRadius)来协助该函数，或者在#HOUGH_GRADIENT方法中将maxRadius设置为负数以仅返回圆心而不进行半径搜索，并使用其他过程找到正确的半径。此外，还可以对图像进行一定程度的平滑处理，除非它已经很软。例如，可以使用7x7内核和1.5x1.5 sigma或类似的模糊处理来平滑图像。

函数原型：

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 );

参数说明：

image：输入图像，即源图像，8位单通道图像，如果使用彩色图像，需要先转换成灰度图像；

circles：用来存储HoughCircles的结果，类型为list，list中对象格式为x,y,r；

method：定义检测图像中圆的方法。目前唯一实现的方法是cv::HOUGH_GRADIENT；

dp：图像像素分辨率与参数空间分辨率的比值（官方文档上写的是图像分辨率与累加器分辨率的比值，它把参数空间认为是一个累加器，毕竟里面存储的都是经过的像素点的数量），dp=1，则参数空间与图像像素空间（分辨率）一样大，dp=2，参数空间的分辨率只有像素空间的一半大；#通过设置dp可以减少计算量

minDist：检测到的圆中心（x,y）坐标之间的最小距离。如果minDist太小，则会保留大部分圆心相近的圆。如果minDist太大，则会将圆心相近的圆进行合并（若两圆心距离

param1：canny 边缘检测的高阈值，低阈值被自动置为高阈值的一半，默认为 100。；

param2：累加平面某点是否是圆心的判定阈值。大于该阈值才判断为圆。当值设置的很小是，检测到的圆越多。默认值为 100；

minRadius：半径的最小大小（以像素为单位）默认为 0；

maxRadius：半径的最大大小（以像素为单位）默认为 0。

使用场景

HoughCircles 是一种图像处理算法，用于检测图像中的圆。霍夫圆检测能检测出目标图像中存在的圆，但在实际使用中，参数调节存在很大的困难。

参数设置不合理会不仅导致计算量非常大，并且可能无法找不到你想保留的圆。

1）边缘噪声滤除

对图像进行 中值滤波 或者 均值滤波 或者 高斯滤波 优化，减少图像中存在的边缘噪声。

2）检测参数如何设定

a. 检索半径设定

通过观察原图初步确定的圆的像素半径范围(对应minRadius和maxRadius）。

b. 圆心累加值设定（对应参数param2）

因为累加圆心(圆弧上的在圆心上的累加值，累加值超过该阈值则被认为是一个圆)

c. 圆心距离设定（对应参数miniDist）

通过观察原图所有希望找出的圆，然后确定2个圆心之间最小的距离。

使用案例

#include 
#include 
using namespace cv;
using namespace std;
int main()
{
    // 读取原始图像
    Mat src = imread("3480e7ce_mk_tk_a_c2_6400_4480.png", IMREAD_COLOR);
    if (src.empty())
    {
        cout