opencv的HoughCircles( )函數



int main(){
  Mat src = imread("test1.jpg");//載入原始圖   
  Mat src1, src2, src3, src4,dst; 
  namedWindow("效果圖視窗", 1);//定義視窗
  cvtColor(src, src1, CV_BGR2GRAY);//轉化邊緣檢測後的圖為灰階圖  
  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("效果圖視窗", src);
  //waitKey(3000);
  imshow("效果圖視窗", src);
  waitKey(3000);
  return 0;
 }      

• 第二個參數，InputArray類型的circles，經過調用HoughCircles函數後此參數存儲了檢測到的圓的輸出矢量，每個矢量由包含了3個元素的浮點矢量(x, y, radius)表示。
• 第三個參數，int類型的method，即使用的檢測方法，目前OpenCV中就霍夫梯度法一種可以使用，它的辨別符為CV_HOUGH_GRADIENT，在此參數處填這個辨別符即可。
• 第四個參數，double類型的dp，用來檢測圓心的累加器圖像的分辨率于輸入圖像之比的倒數，且此參數允許建立一個比輸入圖像分辨率低的累加器。上述文字不好了解的話，來看例子吧。例如，如果dp= 1時，累加器和輸入圖像具有相同的分辨率。如果dp=2，累加器便有輸入圖像一半那麼大的寬度和高度。
• 第五個參數，double類型的minDist，為霍夫變換檢測到的圓的圓心之間的最小距離，即讓我們的算法能明顯區分的兩個不同圓之間的最小距離。這個參數如果太小的話，多個相鄰的圓可能被錯誤地檢測成了一個重合的圓。反之，這個參數設定太大的話，某些圓就不能被檢測出來了。
• 第六個參數，double類型的param1，有預設值100。它是第三個參數method設定的檢測方法的對應的參數。對目前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示傳遞給canny邊緣檢測算子的高門檻值，而低門檻值為高門檻值的一半。
• 第七個參數，double類型的param2，也有預設值100。它是第三個參數method設定的檢測方法的對應的參數。對目前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示在檢測階段圓心的累加器門檻值。它越小的話，就可以檢測到更多根本不存在的圓，而它越大的話，能通過檢測的圓就更加接近完美的圓形了。
• 第八個參數，int類型的minRadius,有預設值0，表示圓半徑的最小值。
• 第九個參數，int類型的maxRadius,也有預設值0，表示圓半徑的最大值。
• 需要注意的是，使用此函數可以很容易地檢測出圓的圓心，但是它可能找不到合适的圓半徑