python+opencv 를 이용 하여 그림 의 원형 을 식별 합 니 다(호 프 변환)

사진 에서 축 구 를 식별 하 다.
먼저 호 프 원 변환 의 몇 가지 매개 변수 지식 을 보충 합 니 다.

dp 는 원심 의 누산기 이미지 의 해상 도 를 입력 이미지 의 역수 에 측정 하고 이 매개 변 수 는 입력 이미지 보다 해상도 가 낮은 누산기 를 만 들 수 있 습 니 다.상술 한 글 이 이해 하기 어 려 우 면 예 를 보 자.예 를 들 어 dp=1 시 에 누적 기와 입력 이미지 가 같은 해상 도 를 가진다.dp=2 이면,누적 기 는 입력 그림 의 절반 정도 의 너비 와 높이 가 있 습 니 다

4.567917.minDist 는 호 프 가 검 측 된 원 의 원심 간 의 최소 거 리 를 바 꾸 는 것 이다.즉,우리 의 알고리즘 이 서로 다른 원 간 의 최소 거 리 를 뚜렷하게 구분 할 수 있 도록 하 는 것 이다.이 매개 변 수 는 너무 작 으 면 여러 개의 인접 한 원 이 겹 치 는 원 으로 잘못 검출 될 수 있 습 니 다.반대로 이 매개 변 수 를 너무 크게 설정 하면 일부 원 은 검출 되 지 않 습 니 다4.567917.param 1,기본 값 100 이 있 습 니 다.이것 은 method 가 설정 한 검 측 방법의 대응 하 는 매개 변수 입 니 다.현재 유일한 방법 인 호 프 경사도 법 은 canny 가장자리 에 전 달 된 연산 자의 높 은 한도 값 을 나타 내 고 낮은 한도 값 은 높 은 한도 값 의 절반 이다4.567917.param 2 도 기본 값 100 이 있 습 니 다.이것 은 method 가 설정 한 검 측 방법의 대응 하 는 매개 변수 입 니 다.현재 유일한 방법 인 호 프 경사도 법 은 검 측 단계 에서 원심 의 누적 기 한도 값 을 나타 낸다.그것 이 작 을 수록 존재 하지 않 는 원 을 더 많이 감지 할 수 있 고,그것 이 클 수록 검 측 된 원 을 통 해 완벽 한 원형 에 더욱 가깝다4.567917.minRadius,기본 값 0 은 원 반지름 의 최소 치 를 나타 낸다4.567917.maxRadius 도 기본 값 0 이 있 고 원 반지름 의 최대 치 를 나타 낸다.
원본 코드:

# -*- coding: utf-8 -*- 
""" 
Created on Tue Sep 26 23:15:39 2017 
 
@author: tina 
""" 
import cv2 
import numpy as np 
import matplotlib.pyplot as plt 
 
img = cv2.imread('C:\\Users\\tina\\Pictures\\ahh\\ball.jpg') 
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
 
plt.subplot(121),plt.imshow(gray,'gray') 
plt.xticks([]),plt.yticks([]) 
 
circles1 = cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1, 
600,param1=100,param2=30,minRadius=80,maxRadius=97) 
circles = circles1[0,:,:] 
circles = np.uint16(np.around(circles)) 
for i in circles[:]:  
  cv2.circle(img,(i[0],i[1]),i[2],(255,0,0),5) 
  cv2.circle(img,(i[0],i[1]),2,(255,0,255),10) 
  cv2.rectangle(img,(i[0]-i[2],i[1]+i[2]),(i[0]+i[2],i[1]-i[2]),(255,255,0),5) 
   
print("    ",i[0],i[1]) 
plt.subplot(122),plt.imshow(img) 
plt.xticks([]),plt.yticks([]) 

원본 그림:

식별 후 효과:

이상 이 바로 본 고의 모든 내용 입 니 다.여러분 의 학습 에 도움 이 되 고 저 희 를 많이 응원 해 주 셨 으 면 좋 겠 습 니 다.