HoughCircles函数
HoughCircles函数用于在灰度图像中使用霍夫变换查找圆。该函数通过修改霍夫变换来实现，通常可以很好地检测出圆的中心，但可能无法找到正确的半径。可以通过指定半径范围(minRadius和maxRadius)来协助该函数，或者在#HOUGH_GRADIENT方法中将maxRadius设置为负数以仅返回圆心而不进行半径搜索，并使用其他过程找到正确的半径。此外，还可以对图像进行一定程度的平滑处理，除非它已经很软。例如，可以使用7x7内核和1.5x1.5 sigma或类似的模糊处理来平滑图像。
函数原型：
CV_EXPORTS_W void HoughCircles(InputArray image, OutputArray circles, int method, double dp, double minDist, double param1 = 100, double param2 = 100, int minRadius = 0, int maxRadius = 0 );参数说明：
image：输入图像，即源图像，8位单通道图像，如果使用彩色图像，需要先转换成灰度图像；
circles：用来存储HoughCircles的结果，类型为list，list中对象格式为x,y,r；
method：定义检测图像中圆的方法。目前唯一实现的方法是cv::HOUGH_GRADIENT；
dp：图像像素分辨率与参数空间分辨率的比值（官方文档上写的是图像分辨率与累加器分辨率的比值，它把参数空间认为是一个累加器，毕竟里面存储的都是经过的像素点的数量），dp=1，则参数空间与图像像素空间（分辨率）一样大，dp=2，参数空间的分辨率只有像素空间的一半大；#通过设置dp可以减少计算量
minDist：检测到的圆中心（x,y）坐标之间的最小距离。如果minDist太小，则会保留大部分圆心相近的圆。如果minDist太大，则会将圆心相近的圆进行合并（若两圆心距离 < minDist，则认为是同一个圆）。
param1：canny 边缘检测的高阈值，低阈值被自动置为高阈值的一半，默认为 100。；
param2：累加平面某点是否是圆心的判定阈值。大于该阈值才判断为圆。当值设置的很小是，检测到的圆越多。默认值为 100；
minRadius：半径的最小大小（以像素为单位）默认为 0；
maxRadius：半径的最大大小（以像素为单位）默认为 0。
使用场景
HoughCircles 是一种图像处理算法，用于检测图像中的圆。霍夫圆检测能检测出目标图像中存在的圆，但在实际使用中，参数调节存在很大的困难。
参数设置不合理会不仅导致计算量非常大，并且可能无法找不到你想保留的圆。
1）边缘噪声滤除
对图像进行 中值滤波 或者 均值滤波 或者 高斯滤波 优化，减少图像中存在的边缘噪声。
2）检测参数如何设定
a. 检索半径设定
通过观察原图初步确定的圆的像素半径范围(对应minRadius和maxRadius）。
b. 圆心累加值设定（对应参数param2）
因为累加圆心(圆弧上的在圆心上的累加值，累加值超过该阈值则被认为是一个圆)
c. 圆心距离设定（对应参数miniDist）
通过观察原图所有希望找出的圆，然后确定2个圆心之间最小的距离。
使用案例
#include <iostream>#include <opencv2/opencv.hpp>using namespace cv;using namespace std;int main(){ // 读取原始图像 Mat src = imread("3480e7ce_mk_tk_a_c2_6400_4480.png", IMREAD_COLOR); if (src.empty()) { cout << "无法读取图像" << endl; return -1; } // 转换为灰度图像 Mat grayImage; cvtColor(src, grayImage, COLOR_BGR2GRAY); imshow("灰度图", grayImage); waitKey(0); // 使用滤波器去噪 Mat blurImage; // GaussianBlur(grayImage, blurImage, Size(9, 9), 2, 2); // 高斯滤波 // medianBlur(grayImage, blurImage, 7); // 中值滤波 blur(grayImage, blurImage, Size(7,7)); // 均值滤波 imshow("模糊滤波", blurImage); waitKey(0); // 使用 Canny 边缘检测 Mat edgesImage; Canny(blurImage, edgesImage, 50, 100); imshow("边缘检测", edgesImage); waitKey(0); clock_t t1 = clock(); // 使用 HoughCircles 检测圆 vector<Vec3f> circles; // 设置Hough变换参数 int minDist = 30; // 最小距离 int param1 = 100; // Canny边缘检测高阈值 # 保持和和前面Canny的阈值一致 int param2 = 15; // Hough变换高阈值 int minRadius = 10; // 最小半径 int maxRadius = 100; // 最大半径 HoughCircles(blurImage, circles, HOUGH_GRADIENT, 1, minDist, param1, param2, minRadius, maxRadius); clock_t t2 = clock(); // 在原图上绘制检测到的圆 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); // 绘制圆心 circle(src, center, radius, Scalar(0, 0, 255), 3, 8, 0); //绘制空心圆 } clock_t t3 = clock(); double timeForHoughCircle = (double) (t2 - t1) / CLOCKS_PER_SEC * 1000;double timeForDrawCircle = (double) (t3 - t2) / CLOCKS_PER_SEC * 1000;cout << "HoughCircles:" << timeForHoughCircle << "ms, DrawCircle:" << timeForDrawCircle << "ms" <<endl; // 显示结果 imshow("霍夫圆检测", src); waitKey(0); return 0;}灰度图：
模糊滤波：
边缘检测：
霍夫圆检测结果：
参考资料
opencv 十一 霍夫圆检测原理及高级使用案例（含优化步骤）
