OpenCV的霍夫变换(Hough Transform)圆检测

Hough变换检测圆

霍夫变换也可以用于检测其他几何形体，事实上，可以用参数方程表示的几何体都可以尝试用霍夫变换进行检测。

比如圆形，它对应的参数方程为：r²=(x-x₀)²+(y-y₀)²

该函数包含三个参数，分别是圆心的坐标和圆的半径，这意味着需要三维的累加器。

OpenCV中实现的霍夫圆检测算法通常是两个步骤：

1. 二维累加器用于寻找可能为圆的位置。由于在圆周上的点的梯度应该指向半径的方向，因此对于每一个点，只有沿着梯度方向的项才得到增加（需要预先设定最大和最小的半径）；

2. 若找到了圆心，则构建一维的半径的直方图，这个直方图的峰值对应的是检测到的圆的半径。

OpenCV中的霍夫变换圆检测函数 cv::HoughCircles：

它整合了Canny检测和霍夫变换，输出是cv::Vec3f向量，每个元素包含检测圆的圆心坐标和半径(cx, cy, radius)。

另外，在进行霍夫变换之前，先对操作图像进行平滑，以减少可能引起误检测的噪声点。

#include "opencv2/highgui.hpp"
#include "opencv2/core.hpp"
#include "opencv2/imgproc.hpp"

class CircleFinder{
private:
	std::vector<cv::Vec3f> circles;
	double dp;       // 累加器的分辨率(图像尺寸/2)
	double minDist;  // 两个圆之间的最小距离
	double th;       // Canny中的高阈值
	double minVote;  // 最小投票数
	int minR;
	int maxR;        // 有效半径的最小值和最大值
public:
	CircleFinder() {
		dp = 1.0, minDist = 1.0;
		th = 300;
		minVote = 80;
		minR = 1, maxR = 100;
	}
	void setDPandThreshold(double dp, double th) {
		dp = dp;
		th = th;
	}
	void setMinVote(double minv) {
		minVote = minv;
	}
	void setCircleParams(double minD, int minR, int maxR) {
		minDist = minD;
		minR = minR;
		maxR = maxR;
	}

	// Hough变换检测圆
	void findCircles(cv::Mat& imageBlur) {
		circles.clear();
		cv::HoughCircles(imageBlur, circles, CV_HOUGH_GRADIENT, dp, minDist, th, minVote, minR, maxR);
	}

	void drawDetectedCircles(cv::Mat &image, cv::Scalar color = cv::Scalar(255)) {
		std::vector<cv::Vec3f>::const_iterator itc = circles.begin();
		while (itc != circles.end()) {
			cv::Point pt((*itc)[0], (*itc)[1]);
			cv::circle(image, pt, int((*itc)[2]), cv::Scalar(255), 2); //画圆
			++itc;
		}
	}
};

int main(int argc, char *argv[])
{
	cv::Mat image = cv::imread("D:/VS_exercise/images/coin3.jpg");
	cv::Mat imageGray;
	cv::cvtColor(image, imageGray, cv::COLOR_RGB2GRAY);

	// 在调用cv::HoughCircles函数前对图像进行平滑，减少误差
	cv::Mat imageBlur;
	cv::GaussianBlur(imageGray, imageBlur, cv::Size(5, 5), 1.5);

	// Hough变换检测
	CircleFinder finder;
	finder.setDPandThreshold(2, 300);
	finder.setMinVote(25);
	finder.setCircleParams(20, 5, 100);
	finder.findCircles(imageBlur);
	finder.drawDetectedCircles(image);

	// 显示
	cv::namedWindow("Detected Lines with Hough");
	cv::imshow("Detected Lines with Hough", image);
	cv::waitKey(0);
	return 0;
}