opencv的HoughCircles( )函数
2017-03-08 13:43
162 查看
int main(){
Mat src = imread("test1.jpg");//载入原始图
Mat src1, src2, src3, src4,dst;
namedWindow("效果图窗口", 1);//定义窗口
cvtColor(src, src1, CV_BGR2GRAY);//转化边缘检测后的图为灰度图
GaussianBlur(src1, src2, Size(9, 9), 2, 2);
vector<Vec3f> circles;
HoughCircles(src2, circles, CV_HOUGH_GRADIENT, 1.5, 10, 200, 100, 0, 0);
for (size_t i = 0; i < circles.size(); i++)
{
Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
int radius = cvRound(circles[i][2]);
circle(src, center, 3, Scalar(0, 255, 0), -1, 8, 0);
circle(src, center, radius, Scalar(155, 50, 255), 3, 8, 0);
}
//imshow("效果图窗口", src);
//waitKey(3000);
imshow("效果图窗口", src);
waitKey(3000);
return 0;
}
C++: 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。需要注意的是,使用此函数可以很容易地检测出圆的圆心,但是它可能找不到合适的圆半径
int main(){
Mat src = imread("test1.jpg");//载入原始图
Mat src1, src2, src3, src4,dst;
namedWindow("效果图窗口", 1);//定义窗口
cvtColor(src, src1, CV_BGR2GRAY);//转化边缘检测后的图为灰度图
GaussianBlur(src1, src2, Size(9, 9), 2, 2);
vector<Vec3f> circles;
HoughCircles(src2, circles, CV_HOUGH_GRADIENT, 1.5, 10, 200, 100, 0, 0);
for (size_t i = 0; i < circles.size(); i++)
{
Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
int radius = cvRound(circles[i][2]);
circle(src, center, 3, Scalar(0, 255, 0), -1, 8, 0);
circle(src, center, radius, Scalar(155, 50, 255), 3, 8, 0);
}
//imshow("效果图窗口", src);
//waitKey(3000);
imshow("效果图窗口", src);
waitKey(3000);
return 0;
}
C++: 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。需要注意的是,使用此函数可以很容易地检测出圆的圆心,但是它可能找不到合适的圆半径
相关文章推荐
- OpenCV 霍夫圆变换检测圆 HoughCircles( )函数
- OpenCV学习——图像装载函数的模拟加载24BPP的BMP文件
- OpenCV 图像处理常用函数
- OpenCV中与matlab中相对应的函数
- 基于C++的OpenCV常用函数
- OpenCV中与matlab中相对应的函数
- OpenCV做视频处理用到的几个函数
- OpenCV编程案例:使用轮廓函数检测连通区域
- OpenCV与Matlab函数对照,从Matlab转OpenCV的兄弟们有福了
- 基于C++的OpenCV常用函数
- 基于OpenCV CxCore和Conjugate Gradient Method求函数局部极小值的抽象类
- OpenCV1.0下移植OpenCV高版本函数
- OpenCV 2.1+VS2008无法调试带有cvCaptureFromCAM函数的程序。
- OpenCV中与matlab中相对应的函数
- openCV基础函数【转】
- 两个openCV补充函数。用于不同位数图像之间转换的。。
- Opencv中常用的几个函数
- 非Opencv函数把3D坐标转成2D坐标
- OpenCV编程案例:使用轮廓函数检测连通区域
- OpenCV中常用到的轮廓处理函数汇总