Python视觉库中提供image.find_circles（[roi[，x_stride=2[，y_stride=1[，threshold=2000[，x_margin=10[，y_margin=10[，r_margin=10[，r_min=2[，r_max[，r_step=2]]]]]]]]]]）方法，使用霍夫变换在图像中查找圆。返回一个image.circle对象列表。
其中，roi是一个用以搜索的矩形的感兴趣区域（x，y，w，h），图像操作范围仅限于roi区域内的像素。如果未指定，默认的roi即整幅图像。
x_stride是霍夫变换时需要跳过的x像素的数量。若已知圆较大，可增加x_stride。
y_stride是霍夫变换时需要跳过的y像素的数量。若已知圆较大，可增加y_stride。
threshold控制从霍夫变换中监测到的圆。只返回大于或等于threshold的圆。应用程序的正确的threshold值取决于图像。注意：一个圆的大小（magnitude）是组成圆所有索贝尔滤波像素大小的总和。
x_margin控制所检测的圆的合并。圆像素为x_margin、y_margin和r_margin的部分合并。
y_margin控制所检测的圆的合并。圆像素为x_margin、y_margin和r_margin的部分合并。
r_margin控制所检测的圆的合并。圆像素为x_margin、y_margin和r_margin的部分合并。
利用find_circles方法检测圆形物体的例程如下：
# image.circle对象有四个值：x，y，r（半径）和magnitude。magnitude是检测圆的强度，值越高越好。
# roi是一个用以搜索的矩形区域（x，y，w，h），图像操作范围仅限于roi区域内的像素。如果未指定，默认的roi即整幅图像。
# x_stride是霍夫变换时需要跳过的x像素的数量。若已知圆较大，可增加x_stride。(www.xing528.com)
# y_stride是霍夫变换时需要跳过的y像素的数量。若已知直线段较长，可增加y_stride。
# threshold控制从霍夫变换中监测到的圆。只返回大于或等于阈值的圆。一个圆的大小是组成圆的所有索贝尔滤波像素大小的总和。
#margin的分量x_margin、y_margin和r_margin用来控制所检测的圆的合并。
#r_min，r_max和r_step用来控制测试圆的半径。缩小测试圆半径的数值可以提升搜索性能。
#阈值threshold=3500比较合适。如果视野中检测到的圆过多，需要增大阈值；相反，如果视野中检测到的圆过少，需要减少阈值。
for c in img.find_circles(threshold=2500,x_margin=10,y_margin=10,r_margin=10,r_min=2,r_max=100,r_step=2):
程序调试通过后，运行情况如图4.2所示。
图4.2 对圆形进行检测的情况
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
