在圖片裏識別足球
霍夫圓變換的幾個參數知識：
- dp，用來檢測圓心的累加器圖像的分辨率於輸入圖像之比的倒數，且此參數允許創建一個比輸入圖像分辨率低的累加器。上述文字不好理解的話，來看例子吧。例如，如果dp= 1時，累加器和輸入圖像具有相同的分辨率。如果dp=2，累加器便有輸入圖像一半那麼大的寬度和高度。
- minDist，爲霍夫變換檢測到的圓的圓心之間的最小距離，即讓我們的算法能明顯區分的兩個不同圓之間的最小距離。這個參數如果太小的話，多個相鄰的圓可能被錯誤地檢測成了一個重合的圓。反之，這個參數設置太大的話，某些圓就不能被檢測出來了。
- param1，有默認值100。它是method設置的檢測方法的對應的參數。對當前唯一的方法霍夫梯度法，它表示傳遞給canny邊緣檢測算子的高閾值，而低閾值爲高閾值的一半。
- param2，也有默認值100。它是method設置的檢測方法的對應的參數。對當前唯一的方法霍夫梯度法，它表示在檢測階段圓心的累加器閾值。它越小的話，就可以檢測到更多根本不存在的圓，而它越大的話，能通過檢測的圓就更加接近完美的圓形了。
- minRadius，默認值0，表示圓半徑的最小值。
- maxRadius，也有默認值0，表示圓半徑的最大值。
源代碼：
- # -*- 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("圓心座標",i[0],i[1])
- plt.subplot(122),plt.imshow(img)
- plt.xticks([]),plt.yticks([])
原圖：
