cv :: HoughCircles中的dp参数究竟是如何工作的？

Question

我在Stack Overflow中读到类似的question。我试过了，但我仍然无法理解它是如何工作的。

我阅读了OpenCV文档cv::HoughCircles，这里有一些关于dp参数的解释：

  

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，则累加器的宽度和高度都是一半。

这是我的问题。例如，如果dp = 1，累加器的大小与图像相同，则图像中的像素与累加器中的位置之间存在一致的一对一匹配，但如果dp = 2，则如何匹配？

提前致谢。

Answer 1

这里没有一对一的比赛。你有一个像素和一个霍夫空间的图像，用于投票圈。此参数只是相对于图像大小指定霍夫空间大小的便捷方式。

请查看此answer了解详情。

修改

您的图片有(x,y) - 坐标。你的圆圈hough空间有(a,b,r) - 坐标，而(a,b)是圆心，r是半径。假设您找到了一个边缘像素。现在你投票给每个圆圈，它可以通过这个边缘像素。我发现this很好的霍夫空间图片，其中单个投票，即单个边缘像素（连续案例）。实际上，这种投票发生在3D累加器矩阵中。您可以将其视为此连续案例的光栅化。

现在，如前所述，dp参数相对于图像大小定义了此累加器矩阵的大小。 dp参数越大，光栅化的分辨率越低。这就像拍摄不同分辨率的照片。如果您缩小照片尺寸，则多个像素将减少为单个像素。如果您减少累加器矩阵分别增加dp参数，也会发生相同的情况。现在合并了不同圆圈中心（彼此相邻）和半径（大小相近）的多个投票，即你确实获得了不太准确的圆形参数，但是更“强大”的投票。

请注意OpenCV实现有点复杂（它们使用Hough梯度方法而不是标准的Hough变换），但考虑因素仍然适用。