Python OpenCV基于霍夫圈变换算法检测图像中的圆形

白榆

发布时间：2026-10-15| 5人浏览过

原创

本文详细介绍如何利用Python和OpenCV库中的霍夫圈变换算法（HoughCircles）检测图像中的圆形。内容涵盖cv.HoughCircles()函数的核心参数解析，包括霍夫梯度法、累加器分辨率、圆心最小距离及半径范围设定。通过均值偏移滤波降噪与灰度处理预处理图像，并提供完整的检测代码示例及运行效果对比，帮助开发者掌握圆形识别的关键技术。

第一章：霍夫变换检测圆

① 实例演示1

设定半径范围为0至50时的处理效果。

② 实例演示2

设定半径范围为50至70时的处理效果。由于原图尺寸较大，检测到的圆形半径也相应增大。

③ 霍夫变换函数解析

cv.HoughCircles() 方法

该函数接收的参数依次为：image、method、dp、minDist、param1、param2、minRadius、maxRadius。

各参数具体含义如下：

image：输入图像必须为灰度图像。
method：指定使用的算法，默认为霍夫梯度法。目前支持HOUGH_GRADIENT和HOUGH_GRADIENT_ALT两种模式，其中HOUGH_GRADIENT_ALT的检测结果准确率更高。
dp：累加器分辨率与输入图像分辨率的反比系数。
minDist：两个被检测圆的圆心之间的最小距离。
param1：当使用CV_HOUGH_GRADIENT算法时，该参数代表传递给Canny边缘检测器的阈值上限。
param2：当使用CV_HOUGH_GRADIENT算法时，该参数代表检测阶段圆心的累加阈值。该值越小，能检测出的圆形数量越多，但可能包含更多非完美圆形；该值越大，检测出的圆形数量减少，但检测到的圆形形状更圆、更完美。
minRadius：允许检测的最小圆半径。
maxRadius：允许检测的最大圆半径。

处理流程首先通过均值偏移滤波进行降噪，以排除干扰点并提高识别准确率，随后对图像进行灰度化处理。


# 均值偏移滤波降噪处理
mean_filter_img = cv.pyrMeanShiftFiltering(image, 10, 100)
cv.imshow("mean_filter_img", mean_filter_img)

# 图像灰度处理
gray_img = cv.cvtColor(mean_filter_img, cv.COLOR_BGR2GRAY)

# 霍夫圈变换
# 参数分别为：image, method, dp, minDist, param1, param2, minRadius, maxRadius
# 其中：image为灰度图像，method使用的方法为霍夫梯度法，minDist两个圆中心的最小距离
circles = cv.HoughCircles(gray_img, cv.HOUGH_GRADIENT, 1, 30, param1=50, param2=30, minRadius=0, maxRadius=50)

第二章：Python + opencv 完整检测代码

① 源代码


# -*- coding:utf-8 -*-
# 2021-12-17
# 作者：小蓝枣
# opencv圆形检测

import cv2 as cv
import numpy as np

def detect_circle(image):
    '''
     作用：圆形检测
     参数：需要检测圆的图片
     返回：检测出圆形的信息
    '''
    # 均值偏移滤波降噪处理
    mean_filter_img = cv.pyrMeanShiftFiltering(image, 10, 100)
    cv.imshow("mean_filter_img", mean_filter_img)
    
    # 图像灰度处理
    gray_img = cv.cvtColor(mean_filter_img, cv.COLOR_BGR2GRAY)
    
    # 霍夫圈变换
    # 参数分别为：image, method, dp, minDist, param1, param2, minRadius, maxRadius
    # 其中：image为灰度图像，method使用的方法为霍夫梯度法，minDist两个圆中心的最小距离
    circles = cv.HoughCircles(gray_img, cv.HOUGH_GRADIENT, 1, 30, param1=50, param2=30, minRadius=0, maxRadius=50)
    
    # 对数据进行取整
    print("取整前信息：" + str(circles))
    circles = np.uint16(np.around(circles))
    print("取整后信息：" + str(circles))
    
    return circles
    
def draw_circle(img, circles):
    '''
     作用：根据圆形信息在图片中绘制圆
     参数1：原始图片信息
     参数2：圆形坐标信息
     返回：无
    '''
    for i in circles[0, :]:
        # 绘制圆外圈
        # 参数分别为：圆心、半径、颜色、线框宽度
        cv.circle(img, (i[0], i[1]), i[2], (0, 0, 255), 2)
        # 绘制圆心 
        cv.circle(img, (i[0], i[1]), 2, (255, 0, 0), 2)
    cv.imshow("draw_circle_img", img)

# 读取图片信息
img = cv.imread("./image/meixi.jpg")

# 设置窗口不可改变大小（参数包含：WINDOW_AUTOSIZE、WINDOW_NORMAL、WINDOW_OPENGL）
cv.namedWindow("original image", cv.WINDOW_AUTOSIZE)
cv.imshow("original image", img)

# 检测圆
circles = detect_circle(img)
#绘制圆
draw_circle(img, circles)

cv.waitKey(0)
cv.destroyAllWindows()