使用Python和OpenCV在影像中查詢圓形

---

該OpenCV平臺為Python提供了一個cv2庫。這可用於各種形狀分析，在計算機視覺中非常有用。為了使用OpenCV識別圓形的形狀，我們可以使用cv2.HoughCircles()函式。它使用霍夫變換在灰度影像中查詢圓形。

常用方法

使用OpenCV在影像中查詢圓形的一些常用方法如下：

• 使用霍夫變換OpenCV進行圓檢測

• 使用SimpleBlobDetector進行圓檢測

使用霍夫變換進行圓檢測

霍夫變換是一種流行的圓檢測技術。它的工作原理是將影像轉換到引數空間，其中每個點代表一個可能的圓心。然後，該技術搜尋定義適合影像的圓的最佳引數。

該'cv2.HoughCircles()'函式具有以下語法。

cv2.HoughCircles(image, method, dp, minDist)

其中：

• method：這是用於檢測圓的方法，預設為cv2.HOUGH_GRADIENT。

• dp：這是累加器解析度與影像解析度的倒數。

• minDist：這是檢測到的圓的中心之間的最小距離。

示例

我們將以影像作為輸入。然後複製它並應用此變換函式以識別輸出中的圓。

下面的程式檢測影像檔案中是否存在圓。如果存在圓，則會突出顯示它。

import cv2
import numpy as np
image = cv2.imread('circle_ellipse_2.JPG')
output = image.copy()
img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# Find circles
circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1.3, 100)
# If some circle is found
if circles is not None:
   # Get the (x, y, r) as integers
   circles = np.round(circles[0, :]).astype("int")
   print(circles)
   # loop over the circles
   for (x, y, r) in circles:
      cv2.circle(output, (x, y), r, (0, 255, 0), 2)
# show the output image
cv2.imshow("circle",output)
cv2.waitKey(0)

輸入影像

輸出

程式碼將列印圓的座標（93，98）和半徑（84畫素）。

[[93 98 84]]

我們得到以下輸出：

使用SimpleBlobDetector進行圓檢測

SimpleBlobDetector演算法是另一種在影像中檢測圓的方法，它檢測影像中的斑點（或感興趣區域）。此方法透過掃描影像以查詢符合特定條件（例如最小尺寸、圓度和凸度）的斑點來工作。

步驟包括

執行SimpleBlobDetector演算法所涉及的步驟如下。

• 使用OpenCV的imread()函式讀取影像。

• 將輸入影像轉換為灰度。

• 使用cv2.SimpleBlobDetector_create()函式建立一個物件。

• 使用SimpleBlobDetector物件的detect()函式檢測影像中的斑點。

• 使用檢測到的斑點中心和半徑在原始影像上繪製圓。

示例

在下面的示例程式碼中，我們首先使用imread()函式載入影像，然後使用cvtColor()函式將其轉換為灰度。然後，我們使用SimpleBlobDetector_create()函式建立一個SimpleBlobDetector物件，並使用detect()函式檢測影像中的斑點。

import cv2
import numpy as np

# Load image
img = cv2.imread('circles.jpg')

# Convert the image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Create a SimpleBlobDetector object
detector = cv2.SimpleBlobDetector_create()

# Detect blobs in the image
keypoints = detector.detect(gray)

# Draw circles on the original image
for keypoint in keypoints:
    x = int(keypoint.pt[0])
    y = int(keypoint.pt[1])
    r = int(keypoint.size / 2)
    cv2.circle(img, (x, y), r, (0, 255, 0), 2)

# Display the image
cv2.imshow("Detected Circles", img)
cv2.waitKey(0)
cv2.destroyAllWindows()