### Python 实现圆检测的代码示例 以下是使用 OpenCV 的 `cv2.HoughCircles()` 函数来实现圆检测的一个完整代码示例。该方法基于霍夫变换算法，能够有效识别图像中的圆形轮廓。 ```python import cv2 import numpy as np # 加载灰度图像 image = cv2.imread('circles.png', cv2.IMREAD_GRAYSCALE) if image is None: raise ValueError("无法加载图像，请检查文件路径") # 应用高斯模糊减少噪声 blurred_image = cv2.GaussianBlur(image, (9, 9), 2) # 使用 HoughCircles 进行圆检测 circles = cv2.HoughCircles( blurred_image, method=cv2.HOUGH_GRADIENT, # 霍夫梯度法 dp=1.2, # 积累器分辨率与输入图像之比 minDist=30, # 检测到的两个圆之间的最小距离 param1=50, # Canny 边缘检测的较高阈值 param2=30, # 中心检测的阈值 minRadius=10, # 要检测的圆的最小半径 maxRadius=80 # 要检测的圆的最大半径 ) # 将检测结果转换为整数坐标并绘制圆 if circles is not None: circles = np.uint16(np.around(circles)) for i in circles[0, :]: center = (i[0], i[1]) # 圆心位置 radius = i[2] # 半径 # 绘制圆周 cv2.circle(image, center, radius, (0, 255, 0), 2) # 绘制圆心 cv2.circle(image, center, 2, (0, 0, 255), 3) # 显示结果图像 cv2.imshow('Detected Circles', image) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 参数说明 - **`method`**: 设置为 `cv2.HOUGH_GRADIENT` 表示采用霍夫梯度法[^4]。 - **`dp`**: 控制积累器分辨率与输入图像的比例关系。通常设置为大于等于 1 的浮点数值。 - **`minDist`**: 定义了检测到的两圆之间中心的距离下限。如果此参数过小，则可能导致多个重叠圆被误检。 - **`param1` 和 `param2`**: 分别对应于边缘检测阶段的较高阈值以及中心验证阶段的较低阈值。 - **`minRadius` 和 `maxRadius`**: 设定要检测的圆的半径范围。 上述代码通过读取一张图片，并利用霍夫变换完成圆的检测和标记过程[^3]。 ---