这些笔记的最初，我是以接近于源码分析的形式来梳理自己学习OpenCV的过程。

然而写下来，一是执行力，二是时间的问题，确实越写越马虎了。用我老师的话：观其大略了。

但是，暂时就这么写着吧。

在笔记《十七》中，我们简单地谈到了霍夫变换检测直线的原理，就是判断相邻像素点的值(x, y)对应的r-theta曲线是否能够相交，如果有足够多的相邻的像素点的曲线相交，我们就认为这些相邻的像素点构成一条直线。

圆圈亦然，只是把直线的方程替换成了圆的方程。除了极坐标的r，多了两个变量：X_center和Y_center。

r就是像素所在的圆圈的半径，X-center和Y-center就是这个圆圈的圆心。

如果若干相邻的像素，他们对应的r、X-center、Y-center能够相交，就说明它们位于同一个圆圈的曲线上。

在OpenCV中，我们在使用霍夫变换检测之前，一般先对图像进行高斯平滑，去除噪声。

OpenCV中是这样定义HoughCircles函数的：

void HoughCircles(InputArray image, OutputArray circles, int method, double dp, double minDist, doubleparam1=100, double param2=100, int minRadius=0, int maxRadius=0 )

image需要8位单通道的灰度图像

circles一般为vector<Vec3f>

method一般为CV_HOUGH_GRADIENT

dp是输入图像和处理图像的比值，如果为1，则两者相同；如果为2，则处理的图像是输入图像的一半大小。

minDist是检测到的圆圈之间，它们的圆心的最小距离。

param1是传入canny()函数的higher threshold。默认lower threshold为higher threshold的一半。

param2暂时不了解。看示例代码吧。

OpenCV中关于HoughCircles的例子：

 1     void HoughDetection(const Mat& src_gray, const Mat& src_display, int cannyThreshold, int accumulatorThreshold)
 2     {
 3         // will hold the results of the detection
 4         std::vector<Vec3f> circles;
 5         // runs the actual detection
 6         HoughCircles( src_gray, circles, CV_HOUGH_GRADIENT, 1, src_gray.rows/8, cannyThreshold, accumulatorThreshold, 0, 0 );
 7
 8         // clone the colour, input image for displaying purposes
 9         Mat display = src_display.clone();
10         for( size_t i = 0; i < circles.size(); i++ )
11         {
12             Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
13             int radius = cvRound(circles[i][2]);
14             // circle center
15             circle( display, center, 3, Scalar(0,255,0), -1, 8, 0 );
16             // circle outline
17             circle( display, center, radius, Scalar(0,0,255), 3, 8, 0 );
18         }
19
20         // shows the results
21         imshow( windowName, display);
22     }
23 }