[38] 5) 허프 변환: 원 검출

• 허프 변환을 응용하여 원을 검출할 수 있음

 

• 속도 향상을 위해 Hough gradient method 사용
  • 입력 영상과 동일한 2차원 평면 공간에서 축적 영상을 생성
  • 에지 픽셀에서 그래디언트 계산
  • 에지 방향에 따라 직선을 그리면서 값을 누적
  • 원의 중심을 먼저 찾고, 적절한 반지름 검출
  • 단점: 여러개의 동심원을 검출 못함 --> 가장 작은 원 하나만 검출됨

 

• 허프 변환 원 검출 함수

 cv2.HoughCircles(image,method,dp,minDist,circles=None,param1=None,param2=None,minRadius=None,maxRadius=None) -> circles

 • image: 입력영상. (에지영상이아닌일반영상)
 • method: OpenCV4.2 이하에서는 cv2.HOUGH_GRADIENT 만 지정 가능
 • dp: 입력 영상과 축적 배열의 크기 비율. 1이면 동일 크기. 2이면 축적배열의 가로, 세로 크기가 입력 영상의 반.

 • minDist: 검출된 원 중심점들의 최소 거리
 • circles: (cx, cy, r) 정보를 담은 numpy.ndarray. shape=(1, N, 3), dtype=np.float32.
 • param1: Canny 에지 검출기의 높은 임계값
 • param2: 축적 배열에서 원 검출을 위한 임계값
 • minRadius, maxRadius: 검출할 원의 최소, 최대 반지름

 

• 허프 변환 원 검출 예제

import sys
import numpy as np
import cv2


# 입력 이미지 불러오기
src = cv2.imread('dial.jpg')

if src is None:
    print('Image open failed!')
    sys.exit()

gray=cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
blr=cv2.GaussianBlur(gray,(0,0),1.0)          #cv2.Hough.GRADIENT 방법 사용시 블러링 권장

def on_trackbar(pos):
    rmin=cv2.getTrackbarPos('minRadius','img')
    rmax=cv2.getTrackbarPos('maxRadius','img')
    th=cv2.getTrackbarPos('threshold','img')

    circles=cv2.HoughCircles(blr,cv2.HOUGH_GRADIENT,1,50,
                            param1=120,param2=th,minRadius=rmin,
                            maxRadius=rmax)

    dst=src.copy()
    if circles is not None:
        for i in range(circles.shape[1]):
            cx,cy,radius=circles[0][i]
            cv2.circle(dst,(cx,cy),int(radius),(0,0,255),2,cv2.LINE_AA)
    
    cv2.imshow('img',dst)

cv2.imshow('img',src)
cv2.createTrackbar('minRadius','img',0,100,on_trackbar)
cv2.createTrackbar('maxRadius','img',0,150,on_trackbar)
cv2.createTrackbar('threshold','img',0,100,on_trackbar)
cv2.setTrackbarPos('minRadius','img',10)
cv2.setTrackbarPos('maxRadius','img',80)
cv2.setTrackbarPos('threshold','img',40)
cv2.waitKey()
cv2.destroyAllWindows()