← Back to branch summary

~paparazzi-uav/paparazzi/v5.0-manual

« back to all changes in this revision

Viewing changes to sw/ext/opencv_bebop/opencv/doc/tutorials/imgproc/imgtrans/hough_circle/hough_circle.markdown

  • Committer: Paparazzi buildbot
  • Date: 2016-05-18 15:00:29 UTC
  • Revision ID: felix.ruess+docbot@gmail.com-20160518150029-e8lgzi5kvb4p7un9
Manual import commit 4b8bbb730080dac23cf816b98908dacfabe2a8ec from v5.0 branch.

Show diffs side-by-side

added added

removed removed

Lines of Context:
sw/ext/opencv_bebop/opencv/doc/tutorials/imgproc/imgtrans/hough_circle/hough_circle.markdown
 
1
Hough Circle Transform {#tutorial_hough_circle}
 
2
======================
 
3
 
 
4
Goal
 
5
----
 
6
 
 
7
In this tutorial you will learn how to:
 
8
 
 
9
-   Use the OpenCV function @ref cv::HoughCircles to detect circles in an image.
 
10
 
 
11
Theory
 
12
------
 
13
 
 
14
### Hough Circle Transform
 
15
 
 
16
-   The Hough Circle Transform works in a *roughly* analogous way to the Hough Line Transform
 
17
    explained in the previous tutorial.
 
18
-   In the line detection case, a line was defined by two parameters \f$(r, \theta)\f$. In the circle
 
19
    case, we need three parameters to define a circle:
 
20
 
 
21
    \f[C : ( x_{center}, y_{center}, r )\f]
 
22
 
 
23
    where \f$(x_{center}, y_{center})\f$ define the center position (green point) and \f$r\f$ is the radius,
 
24
    which allows us to completely define a circle, as it can be seen below:
 
25
 
 
26
    ![](images/Hough_Circle_Tutorial_Theory_0.jpg)
 
27
 
 
28
-   For sake of efficiency, OpenCV implements a detection method slightly trickier than the standard
 
29
    Hough Transform: *The Hough gradient method*, which is made up of two main stages. The first
 
30
    stage involves edge detection and finding the possible circle centers and the second stage finds
 
31
    the best radius for each candidate center. For more details, please check the book *Learning
 
32
    OpenCV* or your favorite Computer Vision bibliography
 
33
 
 
34
Code
 
35
----
 
36
 
 
37
-#  **What does this program do?**
 
38
    -   Loads an image and blur it to reduce the noise
 
39
    -   Applies the *Hough Circle Transform* to the blurred image .
 
40
    -   Display the detected circle in a window.
 
41
 
 
42
-#  The sample code that we will explain can be downloaded from [here](https://github.com/Itseez/opencv/tree/master/samples/cpp/houghcircles.cpp).
 
43
    A slightly fancier version (which shows trackbars for
 
44
    changing the threshold values) can be found [here](https://github.com/Itseez/opencv/tree/master/samples/cpp/tutorial_code/ImgTrans/HoughCircle_Demo.cpp).
 
45
    @include samples/cpp/houghcircles.cpp
 
46
 
 
47
Explanation
 
48
-----------
 
49
 
 
50
-#  Load an image
 
51
    @code{.cpp}
 
52
    src = imread( argv[1], 1 );
 
53
 
 
54
    if( !src.data )
 
55
      { return -1; }
 
56
    @endcode
 
57
-#  Convert it to grayscale:
 
58
    @code{.cpp}
 
59
    cvtColor( src, src_gray, COLOR_BGR2GRAY );
 
60
    @endcode
 
61
-#  Apply a Gaussian blur to reduce noise and avoid false circle detection:
 
62
    @code{.cpp}
 
63
    GaussianBlur( src_gray, src_gray, Size(9, 9), 2, 2 );
 
64
    @endcode
 
65
-#  Proceed to apply Hough Circle Transform:
 
66
    @code{.cpp}
 
67
    vector<Vec3f> circles;
 
68
 
 
69
    HoughCircles( src_gray, circles, HOUGH_GRADIENT, 1, src_gray.rows/8, 200, 100, 0, 0 );
 
70
    @endcode
 
71
    with the arguments:
 
72
 
 
73
    -   *src_gray*: Input image (grayscale).
 
74
    -   *circles*: A vector that stores sets of 3 values: \f$x_{c}, y_{c}, r\f$ for each detected
 
75
        circle.
 
76
    -   *HOUGH_GRADIENT*: Define the detection method. Currently this is the only one available in
 
77
        OpenCV.
 
78
    -   *dp = 1*: The inverse ratio of resolution.
 
79
    -   *min_dist = src_gray.rows/8*: Minimum distance between detected centers.
 
80
    -   *param_1 = 200*: Upper threshold for the internal Canny edge detector.
 
81
    -   *param_2* = 100\*: Threshold for center detection.
 
82
    -   *min_radius = 0*: Minimum radio to be detected. If unknown, put zero as default.
 
83
    -   *max_radius = 0*: Maximum radius to be detected. If unknown, put zero as default.
 
84
 
 
85
-#  Draw the detected circles:
 
86
    @code{.cpp}
 
87
    for( size_t i = 0; i < circles.size(); i++ )
 
88
    {
 
89
       Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
 
90
       int radius = cvRound(circles[i][2]);
 
91
       // circle center
 
92
       circle( src, center, 3, Scalar(0,255,0), -1, 8, 0 );
 
93
       // circle outline
 
94
       circle( src, center, radius, Scalar(0,0,255), 3, 8, 0 );
 
95
     }
 
96
    @endcode
 
97
    You can see that we will draw the circle(s) on red and the center(s) with a small green dot
 
98
 
 
99
-#  Display the detected circle(s):
 
100
    @code{.cpp}
 
101
    namedWindow( "Hough Circle Transform Demo", WINDOW_AUTOSIZE );
 
102
    imshow( "Hough Circle Transform Demo", src );
 
103
    @endcode
 
104
-#  Wait for the user to exit the program
 
105
    @code{.cpp}
 
106
    waitKey(0);
 
107
    @endcode
 
108
 
 
109
Result
 
110
------
 
111
 
 
112
The result of running the code above with a test image is shown below:
 
113
 
 
114
![](images/Hough_Circle_Tutorial_Result.jpg)