### OpenCV 实现实时视频中标准圆的检测 为了实现实时视频中的标准圆检测并返回其坐标和半径，可以采用 `cv2.HoughCircles` 方法。以下是完整的解决方案： #### 代码实现 ```python import cv2 import numpy as np # 打开摄像头或读取视频文件 cap = cv2.VideoCapture(0) # 使用参数0表示打开默认摄像头 while True: ret, frame = cap.read() if not ret: break # 转换为灰度图像 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 高斯模糊处理以减少噪声 blurred = cv2.GaussianBlur(gray, (9, 9), 2) # 应用Hough变换检测圆形 circles = cv2.HoughCircles( blurred, cv2.HOUGH_GRADIENT, dp=1.2, minDist=100, param1=50, param2=30, minRadius=10, maxRadius=100 ) # 如果检测到圆，则绘制它们 if circles is not None: circles = np.uint16(np.around(circles)) for circle in circles[0, :]: center_x, center_y, radius = circle[0], circle[1], circle[2] # 绘制外圈 cv2.circle(frame, (center_x, center_y), radius, (0, 255, 0), 4) # 绘制中心点 cv2.rectangle(frame, (center_x - 5, center_y - 5), (center_x + 5, center_y + 5), (0, 128, 255), -1) # 显示圆心坐标和半径 text = f"({center_x}, {center_y}), R={radius}" cv2.putText(frame, text, (center_x + 10, center_y + 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2) # 展示结果帧 cv2.imshow('Circle Detection', frame) # 按'q'键退出循环 if cv2.waitKey(1) & 0xFF == ord('q'): break # 清理资源 cap.release() cv2.destroyAllWindows() ``` #### 参数说明 - **dp**: 表示累加器分辨率与输入图像分辨率的反比关系。通常设置为 1 或更大值[^1]。 - **minDist**: 控制两个圆之间的最小距离。较小的距离可能导致多个重叠圆被误检[^1]。 - **param1**: Canny 边缘检测器的高阈值，低阈值为其一半[^1]。 - **param2**: 累加器阈值，较低的值会增加假阳性率。 - **minRadius/maxRadius**: 设置允许检测的圆的最小/最大半径范围。 上述方法通过 Hough 变换来定位视频流中的标准圆，并将其位置和大小可视化显示出来[^1]。 ---