今天我们介绍一个opencv 函数cv2.HoughCircles()，此函数主要用于检测图像中的圆形，我们知道3点可以画一个圆，学习CAD的同学肯定知道，opencv使用霍夫梯度的方法进行圆的检测

首先对图像进行canny边缘检测，对边缘中的每一个非0点，通过Sobel算法计算局部梯度。那么计算得到的梯度方向，实际上就是圆切线的法线。三条法线即可确定一个圆心，同理在累加器中对圆心通过的法线进行累加，就得到了圆环的判定。

cv2.HoughCircles函数：

cv2.HoughCircles(image, method, dp, minDist, circles, param1, param2, minRadius, maxRadius)

1：image为输入图像，需要灰度图

2：method为检测方法：CV_HOUGH_GRADIENT

3：dp为检测内侧圆心的累加器图像的分辨率于输入图像之比的倒数，

如dp=1，累加器和输入图像具有相同的分辨率

如果dp=2，累计器便有输入图像一半的分辨率

4：minDist表示两个圆之间圆心的最小距离

5：param1默认值100，它是method设置的检测方法的对应的参数，

当前唯一的方法霍夫梯度法cv2.HOUGH_GRADIENT，

它表示传递给canny边缘检测算子的高阈值，而低阈值为高阈值的一半

6：param2默认值100，它是method设置的检测方法的对应的参数，

当前唯一的方法霍夫梯度法cv2.HOUGH_GRADIENT，

它表示在检测阶段圆心的累加器阈值，它越小，就越可以检测到更多根本不存在的圆，

而它越大的话，能通过检测的圆就更加接近完美的圆形了

7：minRadius默认值0，圆半径的最小值

8：maxRadius默认值0，圆半径的最大值

圆形检测的代码实现

import numpy as np

import cv2

image = cv2.imread("123.jpg")

output = image.copy()

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1.2, 100)

if circles is not None:

circles = np.round(circles[0, :]).astype("int")

for (x, y, r) in circles:

cv2.circle(output, (x, y), r, (0, 255, 0), 4)

cv2.rectangle(output, (x - 5, y - 5), (x + 5, y + 5), (0, 128, 255), -1)

break

cv2.imshow("output", np.hstack([image, output]))

cv2.waitKey(0)

首先我们导入一张图片，这里需要主要一下要转到灰度空间

然后使用circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1.2, 100)函数对图片中的圆形进行检测，这里小编只显示了一个圆形，直接使用break函数 ，跳出for循环，因为里面检测到了很多无用的圆形，这里需要大家去优化函数中的各个参数，以便达到自己图片检测的目的

待图片检测完成后，使用cv2.circle(output, (x, y), r, (0, 255, 0), 4)函数，把检测到的图片中的圆形画出来，以便显示

当然，此函数都可以检测多了圆形，删除代码中的break，函数便会显示所有的圆形，再次运行代码，便可以看到检测到的多 个圆形

这在计算机视觉应用中特别广泛，特别是工业自动化过程中，计算机视觉尤其重要，当然若想得到更精确的视觉检测，自己也可以进行神经网络的搭建与训练