代码收藏家 Python|OpenCV-实现识别目标图像中的圆圈
以下是使用 Python 结合 OpenCV 库来实现识别目标图像中圆圈的详细代码示例及解释：
一、导入必要的库
首先，需要导入 opencv-python 库（用于图像处理操作）以及 numpy 库（用于处理数组数据，OpenCV 中很多图像数据结构基于 numpy 数组），代码如下：
python
import cv2
import numpy as np
二、读取图像
使用 cv2.imread 函数读取目标图像，该函数会返回一个 numpy 数组表示图像数据，参数传入图像文件的路径。需要确保图像文件路径正确且图像格式是 OpenCV 支持的（如 .jpg、.png 等），示例代码如下：
python
# 替换为实际的图像文件路径
image_path = "your_image_path.jpg"
image = cv2.imread(image_path)
if image is None:
print("无法读取图像，请检查图像路径是否正确！")
raise SystemExit
三、图像预处理
1.灰度转换
将彩色图像转换为灰度图像，这样可以简化后续处理流程并且减少计算量，因为在很多情况下，形状检测在灰度图上就足以完成。使用 cv2.cvtColor 函数来实现，代码如下：
python
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
2.高斯模糊
为了减少图像中的噪声对圆检测的影响，通常会对灰度图像进行高斯模糊处理。通过 cv2.GaussianBlur 函数来实现，可根据实际情况调整模糊核的大小等参数，示例代码如下：
python
# (5, 5) 是高斯模糊核的大小，可按需调整，1.5 是标准差，通常设为 0 也可自动计算
blurred = cv2.GaussianBlur(gray, (5, 5), 1.5)
四、应用霍夫圆变换检测圆
使用 cv2.HoughCircles 函数来进行霍夫圆变换以检测图像中的圆，该函数的关键参数及含义如下：
python
circles = cv2.HoughCircles(blurred, cv2.HOUGH_GRADIENT, dp=1, minDist=20,
param1=50, param2=30, minRadius=0, maxRadius=0)
blurred：经过预处理（高斯模糊后的灰度图像）的输入图像。cv2.HOUGH_GRADIENT：表示采用的霍夫圆变换方法，目前 OpenCV 中主要就是这种基于梯度的检测方法。dp：累加器分辨率与图像分辨率的反比，例如 dp = 1 表示累加器和输入图像具有相同的分辨率，若 dp = 2 则累加器分辨率为图像分辨率的一半，常取值在 1 左右，可根据实际情况微调，这里设为 1。minDist：检测到的圆之间的最小距离，若两个圆的圆心距离小于该值，则认为它们是同一个圆，单位是像素，这里设为 20 像素，可根据图像中圆的分布情况调整。param1：用于设置 Canny 边缘检测的高阈值（低阈值会自动按比例计算），在霍夫圆变换基于梯度检测时，边缘检测很关键，这里设为 50，可根据图像边缘情况调整。param2：它是霍夫变换累加器的阈值，只有累加器中的值大于该阈值时，才认为检测到了一个圆，较小的值可能会检测到更多的假圆，较大的值可能会遗漏一些圆，这里设为 30，通常需要多次试验来确定合适值。minRadius 和 maxRadius：分别设置要检测的圆的最小半径和最大半径（单位为像素），设为 0 表示不限制半径范围，可根据图像中圆的大致尺寸情况来设置具体的值进行筛选。由于 cv2.HoughCircles 函数返回的结果数据类型是 numpy 数组，且维度格式为 (1, N, 3)（N 是检测到的圆的数量，3 表示每个圆有圆心横坐标、纵坐标和半径这三个参数），所以通常需要进行格式转换和数据提取，示例代码如下：
python
if circles is not None:
circles = np.uint16(np.rounded(circles))
for circle in circles[0, :]:
# 提取圆心坐标和半径
x, y, r = circle
# 在原始图像上绘制圆
cv2.circle(image, (x, y), r, (0, 255, 0), 2)
# 在圆心处绘制一个小圆点（标记圆心）
cv2.circle(image, (x, y), 2, (0, 0, 255), 3)
五、显示结果图像
使用 cv2.imshow 函数显示绘制了检测到的圆及圆心标记的图像，并且通过 cv2.waitKey 函数等待按键操作，最后使用 cv2.destroyAllWindows 函数关闭所有图像显示窗口，示例代码如下：
python
cv2.imshow("Detected Circles", image)
cv2.waitKey(0)
cv2.destroyAllWindows()
完整的代码示例如下：
python
import cv2
import numpy as np
# 读取图像
image_path = "your_image_path.jpg"
image = cv2.imread(image_path)
if image is None:
print("无法读取图像，请检查图像路径是否正确！")
raise SystemExit
# 图像预处理
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 1.5)
# 应用霍夫圆变换检测圆
circles = cv2.HoughCircles(blurred, cv2.HOUGH_GRADIENT, dp=1, minDist=20,
param1=50, param2=30, minRadius=0, maxRadius=0)
if circles is not None:
circles = np.uint16(np.rounded(circles))
for circle in circles[0, :]:
x, y, r = circle
cv2.circle(image, (x, y), r, (0, 255, 0), 2)
cv2.circle(image, (x, y), 2, (0, 0, 255), 3)
# 显示结果图像
cv2.imshow("Detected Circles", image)
cv2.waitKey(0)
cv2.destroyAllWindows()
在实际应用中，可能需要根据不同的图像特点，对霍夫圆变换的参数（如 param1、param2、minRadius、maxRadius 等）进行多次调整，以达到最佳的圆检测效果。
作者：普通网友
