Python OpenCV 霍夫圆变换：参数详解及使用方法 - 识别图像中的圆形

霍夫圆变换（Hough Circle Transform）是一种在图像中检测圆形的技术。在Python中，可以使用OpenCV库的cv2.HoughCircles()函数来实现霍夫圆变换。\n\n参数列表如下：\n- image：输入图像，应为灰度图像（单通道图像）。\n- method：霍夫圆变换方法。目前只支持cv2.HOUGH_GRADIENT，表示使用基于梯度的霍夫圆变换。\n- dp：累加器分辨率与图像分辨率的比值。默认为1，表示两者相等。\n- minDist：检测到的圆之间的最小距离。默认为图像中心点的两倍。\n- param1：内部边缘阈值。默认为100。\n- param2：累加器阈值。默认为100。\n- minRadius：圆的最小半径。默认为0。\n- maxRadius：圆的最大半径。默认为0，表示无限制。\n\n可选值及其说明如下：\n- method：目前只支持cv2.HOUGH_GRADIENT，表示使用基于梯度的霍夫圆变换。\n- dp：一般取值范围为1到10。较小的值会导致更多的假阳性，较大的值会导致更多的假阴性。\n- minDist：一般取值范围为图像尺寸的1/10到1/2。较小的值会导致更多的重叠圆，较大的值会导致更多的圆未被检测到。\n- param1：一般取值范围为10到100。较小的值会导致更多的假阳性，较大的值会导致更多的假阴性。\n- param2：一般取值范围为10到200。较小的值会导致更多的假阳性，较大的值会导致更多的假阴性。\n- minRadius和maxRadius：根据需要设定合适的值，用于限定圆的半径范围。