Opencv内部提供了一个基于Hough变换理论的找圆算法，HoughCircle与一般的拟合圆算法比起来，各有优势：优势：HoughCircle对噪声点不怎么敏感，并且可以在同一个图中找出多个圆；反观拟合圆算法，单纯的拟合结果容易受噪声点的影响，且不支持一个输入中找多个圆
缺点：原始的Hough变换找圆，计算量很大，而且如果对查找圆的半径不加控制，不但运算量巨大，而且精度也不足，在输入噪声点不多的情况下，找圆效果远不如拟合找圆；为了提高找圆精度，相比拟合法，需要提供更多的参数加以控制，参数要求比较严格，且总体稳定性不佳
OpenCV内的HoughCircles对基础的Hough变换找圆做了一定的优化来提高速度，它不再是在参数空间画出一个完整的圆来进行投票，而只是计算轮廓点处的梯度向量，然后根据搜索的半径R在该梯度方向距离轮廓点距离R的两边各投一点，最后根据投票结果图确定圆心位置，其示意图如图1
图1是比较理想的情况，轮廓点1-6的梯度方向都经过了点7，因此都给点7投了一票，点7得分最高，也正是我们所要找的圆心；同时由此可以看出基于参数空间投票法来确定圆心，8-12点就算有投票，但由于投票太散，对整个投票结果也几乎不存在干扰，因而其天生抗干扰能力要比拟合法好
不过在这种思想优化下，也存在致命的缺陷，如图2：
注：如果编译通过，但运行时崩溃，通常原因是库版本不对！一般OpenCV官方给出的库版本分x86，x64，而每个平台下又有vc10，vc11，vc12，分别对应VS2010,VS2012,VS2013;其下还分debug版和release版，必须严格与编译环境和使用的配置相对应，否则会在运行过程中出错，且非常不好排查原因
另该优化目前只能做到减少HoughCirlcles找错圆且错的比较离谱的几率，但无法真正提高精度，找出来的圆与实际圆稍有偏差还是有可能的；若需要高精度定位，建议采用该方法做粗定位，采用拟合圆做精定位（类似各商业算法中的环形区域找圆）