OpenCv霍夫变换检测圆形

最近开始学习opencv，想检测图片上的圆环，发现霍夫变换可以做这样的效果出来，于是尝试用opencv3的霍夫变换做了下圆环检测。
opencv中霍夫变换函数：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（vec3d）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。
以上是网上百度到的，除了第四个参数外，其他参数都很好理解，下面贴程序与实际效果图，程序中需特别注意vector类型是vec3d而不是vec3f，如果是3f会报错，并且霍夫变换输入要求是8位单通道图片，可以通过imread的第二个参数设置为0或者使用BGR2GRAY来实现。#include <iostream>
#include <opencv2/opencv.hpp>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include <vector>
#include <boost/concept_check.hpp>
using namespace std;
using namespace cv;

int main(int argc, char **argv) {
Mat src = imread("board.jpg");
imshow("1",src);
if(src.empty())
{
cout << "can not open " << endl;
return -1;
}
Mat cimg;
medianBlur(src, src, 5);
cvtColor(src,cimg,COLOR_BGR2GRAY);
GaussianBlur(cimg, cimg, Size(9, 9), 2, 2);
// medianBlur(cimg, cimg, 5);
Canny(cimg,cimg,10,250,5);
imshow("canny",cimg);
vector<Vec3f> circles;
HoughCircles(cimg, circles, HOUGH_GRADIENT, 1, 30,100, 30, 10, 120 );

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]);
//绘制圆心
circle(src, center, 3, Scalar(0, 255, 0), -1, 8, 0);
//绘制圆轮廓
circle(src, center, radius, Scalar(155, 50, 255), 3, 8, 0);
}
imshow("图片",src);
cv::waitKey(0);
return 0;
}







在进行平滑滤波高斯滤波边缘检测后，效果如上图所示，可以看到还是可以比较好识别出来的。然而，同样的参数用在别的图片上效果则大大减弱。



可以说是非常失败了
将参数变为：
HoughCircles(cimg, circles, HOUGH_GRADIENT, 1, 10,100, 35, 10, 30  );

则得到效果





错误率是大大下降了，但是检测效果还是不如人意，具体参数该如何调节，这个将在今后继续学习