主要使用cv.HoughCircles()函数来实现。

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

参数如下：

• image：输入矩阵
• method：cv2.HOUGH_GRADIENT，也就是霍夫圆检测，梯度法
• dp：计数器的分辨率图像像素分辨率与参数空间分辨率的比值，dp=1，则参数空间与图像像素空间（分辨率）一样大，dp=2，参数空间的分辨率只有像素空间的一半大
• minDist：圆心之间最小距离，如果距离太小，会产生很多相交的圆，如果距离太大，则会漏掉正确的圆
• param1：检测的双阈值中的高阈值，低阈值是它的一半
• param2：最小投票数（基于圆心的投票数）
• minRadius：需要检测圆的最小半径
• maxRadius：需要检测圆的最大半径
• 返回值：返回N个圆的信息储存在1×N的ndarray

代码示例：

import numpy as np
import cv2 as cv
img_gray = cv.imread("C:\\Users\\dell\\Desktop\\prac files\\logo1.jpg", 0)
img_gray = cv.medianBlur(img_gray, 5)
img = cv.cvtColor(img_gray, cv.COLOR_GRAY2BGR)
circles = cv.HoughCircles(img_gray, cv.HOUGH_GRADIENT, 1, 200, None, 100, 150, 0, 0)
circles = np.uint16(np.around(circles))
for i in circles[0, :]:
    # 绘制外圆
    cv.circle(img, (i[0], i[1]), i[2], (0, 255, 0), 2)
    # 绘制圆心
    cv.circle(img, (i[0], i[1]), 2, (0, 0, 255), 3)
cv.imshow('prac', img)
cv.waitKey(0)
cv.destroyAllWindows()