圆形检测
1.实验目的
实现K230对图像中的圆形进行检测。
2.实验原理
2.1 原理解析
圆形检测通常是通过 霍夫圆变换（Hough Circle Transform） 来实现的，它是经典霍夫变换（用于直线检测）的扩展，适用于检测图像中的圆形。
霍夫圆变换的目标是： 从图像中找出边缘像素点，然后反推出可能的圆心和半径，将它们投票累加，找到得票最多的那组 (a,b,r)即为检测到的圆。
步骤如下：
-
边缘检测（如使用 Canny 算子） 提取出图像中潜在的边缘像素（这些点可能在圆的边缘上）。
-
投票累加（Hough 累加器） 对于每一个边缘点 (x,y)，枚举可能的半径 r，并根据圆方程计算可能的圆心 (a,b)：
所有可能的 (a,b,r) 在三维空间中投票。
-
寻找局部最大值 累加器中投票值最高的点，就是图像中存在圆形的概率最大的地方。
2.2 API
image.find_circles([roi[, x_stride=2[, y_stride=1[, threshold=2000[, x_margin=10[, y_margin=10[, r_margin=10]]]]]]])
使用霍夫变换在图像中查找圆。返回一个 image.circle 对象列表（见上）。
roi 是一个用以复制的矩形的感兴趣区域(x, y, w, h)。如果未指定， ROI 即图像矩形。操作范围仅限于roi区域内的像素。
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。
不支持压缩图像和bayer图像。
3.代码解析
创建摄像头对象
sensor = Sensor(width=1280, height=960) #构建摄像头对象，将摄像头长宽设置为4:3
创建一个摄像头对象，设置最大采集分辨率为 1280x960（内部图像缓存大小）。
复位摄像头
sensor.reset() #复位和初始化摄像头
对摄像头进行复位操作（清除上一次配置，确保状态干净）。
设置摄像头属性
sensor.set_framesize(width=320, height=240) #设置帧大小，默认通道0
设置摄像头实际输出图像的大小（为节省资源，缩小分辨率）。
sensor.set_pixformat(Sensor.RGB565)
设置图像像素格式为 RGB565（每个像素占 2 字节），适合嵌入式处理和显示。
初始化显示屏
Display.init(Display.ST7701, to_ide=True) #同时使用3.5寸mipi屏和IDE缓冲区显示图像，800x480分辨率
初始化 ST7701 LCD 显示屏，分辨率为 800x480，支持在 IDE 中查看图像（调试方便）。
初始化媒体系统
MediaManager.init() #初始化media资源管理器
初始化媒体系统（分配摄像头等硬件资源），必须调用一次。
启动摄像头
sensor.run() #启动sensor
启动摄像头，开始捕捉图像帧。
获取一帧图像
img = sensor.snapshot() #拍摄一张图片
从摄像头拍一帧图像，得到图像对象 img，用于后续处理。
获取圆形对象
for c in img.find_circles(threshold = 2000, x_margin = 10, y_margin= 10,
r_margin = 10,r_min = 2, r_max = 100, r_step = 2):
在图像中寻找圆形对象，满足：
- 亮度对比度达到
threshold； - 合并相似圆（xy、半径差值小于 margin）；
- 只检测半径为 2~100 的圆，每 2 像素步进检测一次。
绘制圆形
img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0),thickness=2)
在图像上绘制检测到的圆，颜色为红色，线宽 2 像素。
图像显示
#显示图片，仅用于LCD居中方式显示
Display.show_image(img, x=round((800-sensor.width())/2),y=round((480-sensor.height())/2))
把图像显示到 LCD 屏幕上，并居中显示。LCD 分辨率为 800x480，图像大小为 320x240。
4.示例代码
'''
本程序遵循GPL V3协议, 请遵循协议
实验平台: DshanPI CanMV
开发板文档站点 : https://eai.100ask.net/
百问网学习平台 : https://www.100ask.net
百问网官方B站 : https://space.bilibili.com/275908810
百问网官方淘宝 : https://100ask.taobao.com
'''
import time, os, sys
from media.sensor import * # 摄像头相关接口
from media.display import * # 显示屏相关接口
from media.media import * # 多媒体资源管理接口
# === 配置参数 ===
SENSOR_W, SENSOR_H = 1280, 960 # 摄像头采集分辨率（原始）
FRAME_W, FRAME_H = 320, 240 # 实际输出帧大小
LCD_W, LCD_H = 800, 480 # LCD 屏幕分辨率
CIRCLE_THRESHOLD = 2000 # 圆检测强度阈值，越高圆越少但更准确
CIRCLE_X_MARGIN = 10 # 圆心 X 坐标合并容差
CIRCLE_Y_MARGIN = 10 # 圆心 Y 坐标合并容差
CIRCLE_R_MARGIN = 10 # 半径合并容差
CIRCLE_R_MIN = 2 # 最小检测半径
CIRCLE_R_MAX = 100 # 最大检测半径
CIRCLE_R_STEP = 2 # 半径 步进
CIRCLE_COLOR = (255, 0, 0) # 检测圆形绘制颜色（红色）
# === 初始化摄像头 ===
sensor = Sensor(width=SENSOR_W, height=SENSOR_H) # 创建摄像头对象
sensor.reset() # 初始化摄像头
sensor.set_framesize(width=FRAME_W, height=FRAME_H) # 设置图像帧尺寸
sensor.set_pixformat(Sensor.RGB565) # 设置图像格式为 RGB565
# === 初始化显示屏 ===
Display.init(Display.ST7701, to_ide=True) # 初始化 MIPI LCD 和 IDE 显示输出
# Display.init(Display.VIRT, sensor.width(), sensor.height()) # 仅使用 IDE 显示输出（调试用）
# === 初始化媒体系统 ===
MediaManager.init() # 启用媒体管理器
sensor.run() # 开始采集图像
# === 主循环：捕获图像并检测圆形 ===
clock = time.clock()
while True:
clock.tick() # 开始计时（用于FPS计算）
img = sensor.snapshot() # 拍摄一帧图像
# 在图像中检测圆形
circles = img.find_circles(
threshold=CIRCLE_THRESHOLD,
x_margin=CIRCLE_X_MARGIN,
y_margin=CIRCLE_Y_MARGIN,
r_margin=CIRCLE_R_MARGIN,
r_min=CIRCLE_R_MIN,
r_max=CIRCLE_R_MAX,
r_step=CIRCLE_R_STEP
)
# 遍历检测到的所有圆
for c in circles:
img.draw_circle(c.x(), c.y(), c.r(), color=CIRCLE_COLOR, thickness=2) # 绘制圆
print(c) # 输出圆的参数（圆心坐标、半径、强度）
# 居中显示图像
Display.show_image(
img,
x=round((LCD_W - sensor.width()) / 2),
y=round((LCD_H - sensor.height()) / 2)
)
print(clock.fps()) # 打印每秒帧率
5.实验结果
点击运行代码后可以在显示屏上实时显示检测到的圆形。
