我想使用 cvHoughCircles() 在图像中查找圆圈。 但是我对第四个参数感到困惑，因为当我使用“1”时，cvHoughCircles() 找不到圆圈，而当我使用“2”时，该方法可以正常工作并检测图像中的所有圆圈。
Click Here 查看我的程序在这两种情况下的屏幕截图。
我在另一个图像上做了同样的操作，但是这次将第四个参数的值从 1 更改为 2，并没有影响结果[cvHoughCircles() 在两种情况下返回相同的结果（使用 1 或 2第四个参数的值）]。
谁能告诉我在处理不同图像时第四个参数应该使用什么值？
【问题讨论】：
查看此链接：
http://docs.opencv.org/modules/imgproc/doc/feature_detection.html
它列出了所有函数的 c/c++/python 实现，说明了每个参数的作用，我一直发现其中一个是 javacv 一直在包装的（在本例中是 c 代码）。当我看到你的帖子时，我实际上正在寻找这个页面，所以如果它再次发生，我现在可以点击我自己的链接（太棒了！）。现在尽我所能回答您的问题。
函数如下所示：
CvSeq* cvHoughCircles(CvArr* image, void* circle_storage, int method, double dp, double min_dist, double param1=100, double param2=100, int min_radius=0, int max_radius=0 )
网站描述的地方：
dp – 累加器分辨率与图像分辨率的反比。例如，如果 dp=1 ，则累加器具有与输入图像相同的分辨率。如果 dp=2 ，累加器的宽度和高度只有一半。
我猜测（根据我在课堂上的记忆）这指的是有时用于特征检测的金字塔方案。基本上，您平均图像的像素以获得较小的图像，以便找到重要特征的位置，例如角落或在这种情况下最终基于梯度信息的圆圈（因此应该是黑白或灰度图像使用）。
使用 dp=1 应该完全没问题，但只需确保在图像上调用 cvSmooth() 以便梯度向量围绕圆圈形成一个漂亮的圆圈。如果您知道有一个圆圈，那么您可以继续平滑和扩张 (cvDilate) 直到圆圈出现，但随后您可能会检测到伪影，因此应该对最大的圆圈感兴趣。最后，这取决于您使用算法的情况。
【讨论】：