Hough Circle Transform

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

• image:单通道灰度图像

• method:

  cv2.HOUGH_STANDARD	经典或标准霍夫变换. 每条线由两个浮点数（ρ，θ）表示，其中ρ是（0,0）点和线之间的距离，θ是x轴和线的法线之间的角度. 因此，矩阵必须是（创建的序列）CV_32FC2类型
  cv2.HOUGH_PROBABILISTIC	概率Hough变换（如果图像包含一些长线性段，则更有效）.它返回线段而不是整行. 每个段由起点和终点表示，矩阵必须是（创建的序列）CV_32SC4类型
  cv2.HOUGH_MULTI_SCALE	经典霍夫变换的多尺度变体
  cv2.HOUGH_GRADIENT

• dp：累加器分辨率与图像分辨率的逆比.例如，如果dp=1，则累加器与输入图像的分辨率相同.如果dp=2，这个累加器的宽度和高度是图像的一半.
• minDist：探测到的圆的中心之间的最小距离.如果参数太小，除了真实的一个外，还可能错误地检测到多个相邻圆.如果它太大，可能会漏掉一些圆.
• param1：第一个特定参数.如果是CV_HOUGH_GRADIENT的情况下，是传递给Canny边缘检测器中较高阈值的参数（低的参数小两倍）.
• param2：第二个特定参数.如果是CV_HOUGH_GRADIENT的情况下，它是检测阶段圆中心的累加器阈值。它越小，就会发现越多的假圆.与较大的累加器值相对应的圆，将首先返回.
• minRadius：最小半径
• maxRadius：最大半径

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('img1.jpg',0)
img = cv2.medianBlur(img,5)
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,20,
                            param1=50,param2=30,minRadius=0,maxRadius=0)

circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    # draw the outer circle
    cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)
    # draw the center of the circle
    cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)

cv2.imshow('detected circles',cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()