Hough圆变换对图片圆形计数_样方法圆形边上怎么计数资源-CSDN文库

共2个文件

jpg：1个

py：1个

需积分: 37 53 浏览量 2018-06-10 15:29:26 上传评论收藏 449KB ZIP 举报

在图像处理领域，Hough变换是一种非常重要的技术，尤其在检测图像中的直线和圆等几何形状方面。本项目是利用Python编程语言结合OpenCV库，具体实现Hough圆变换来自动识别并计数图片中的圆形。这个过程不仅有助于理解Hough变换的工作原理，而且对于自动化图像分析和机器视觉应用具有重要意义。 Hough圆变换是一种参数空间的投票机制，它通过在参数空间中寻找峰值来确定图像中可能存在的圆心。在OpenCV库中，`cv2.HoughCircles()`函数就是用来执行这个变换的。我们需要对输入的图像进行预处理，包括灰度化、高斯滤波等步骤，以降低噪声并使边缘更加清晰。然后，我们调用`cv2.HoughCircles()`函数，传入预处理后的图像以及一些参数，如检测圆的最小直径、检测阈值、累积阈值等。代码文件`Hough.py`中应该包含了以下关键步骤： 1. 导入所需的库：需要导入OpenCV库（`cv2`）和其他可能用到的库，如`numpy`用于数学计算。 2. 图像读取与预处理：使用`cv2.imread()`函数读取图像（例如`05.jpg`），然后将其转换为灰度图像，接着可能应用高斯滤波器去除噪声。 3. 应用Canny边缘检测：Canny算法可以找到图像中的边缘，这在Hough变换中是必要的。使用`cv2.Canny()`函数进行边缘检测。 4. 执行Hough圆变换：调用`cv2.HoughCircles()`，提供预处理的图像、方法（通常使用HOUGH_GRADIENT）、参数如dp（图像分辨率的倒数）、minDist（相邻圆心的最小距离）、param1和param2（与边缘检测有关的参数）、minRadius和maxRadius（检测圆的半径范围）。 5. 处理结果：`HoughCircles()`函数返回一个包含圆心坐标和半径的列表。我们可以遍历这个列表，用圆心和半径在原始图像上画出检测到的圆，并显示出来。 6. 显示图像：使用`cv2.imshow()`展示原始图像和带有检测到的圆的图像，通过`cv2.waitKey()`暂停程序，等待用户关闭窗口。此项目特别适合初学者学习图像处理和OpenCV，因为它涉及到图像预处理、边缘检测以及形状检测的核心概念。通过实际操作，可以加深对Hough变换的理解，并且能够灵活运用到其他形状的检测中。同时，这也是一种实用的技能，比如在工业自动化、交通监控等领域中识别圆形物体。

资源推荐

资源详情

资源评论

收起资源包目录

Hough.zip （2个子文件）

05.jpg 450KB

Hough.py 1KB

from PIL import Image import cv2 import matplotlib.pyplot as plt import numpy as np img = cv2.imread('05.jpg') GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) GrayImage= cv2.medianBlur(GrayImage,5) ret,th1 = cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY) th2 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,3,5) th3 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,3,5) kernel = np.ones((5,5),np.uint8) erosion = cv2.erode(th2,kernel,iterations=1) dilation = cv2.dilate(erosion,kernel,iterations=1) imgray=cv2.Canny(erosion,30,100) circles = cv2.HoughCircles(imgray,cv2.HOUGH_GRADIENT,1,20, param1=50,param2=30,minRadius=20,maxRadius=40) circles = np.uint16(np.around(circles)) for i in circles[0,:]: # draw the outer circle cv2.circle(img,(i[0],i[1]),i[2],(0,255,0),2) # draw the center of the circle cv2.circle(img,(i[0],i[1]),2,(0,0,255),3) print(len(circles[0,:])) cv2.imshow('detected circles',img) plt.xticks([]),plt.yticks([]) cv2.waitKey(0) cv2.destroyAllWindows()

评论收藏

内容反馈