cv_hough_circles — 2D `features` op

• 데이터 종류: image → feature

• 호출: fullseye.apply(img, "cv_hough_circles", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)

• HALCON 대응: hough_circles(의미·매개변수는 HALCON 레퍼런스가 참고가 됩니다)

사용법

허프 변환에 의한 원 검출(단일 스칼라 특징량, OpenCV 구현). 에지의 그래디언트 정보를 사용하는 HOUGH_GRADIENT 방식으로 원의 중심·반지름을 투표 방식으로 검출한다 —— 여기서는 검출된 원의 개수만을 반환한다(0개면 0).

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

HALCON の hough_circles(Detect centers of circles for a specific radius using the Hough transform.)に相当(近似。中心座標ではなく本数のみ)。実装は `cv2.HoughCircles(_u8(v), HOUGH_GRADIENT, dp=1, minDist=10+int(a*20), param1=100, param2=20+int(b*20), minRadius=3, maxRadius=20)` —— a は検出する円同士の最小中心間距離を 10〜30 に、b は中心検出の投票しきい値 param2(小さいほど誤検出が増える)を 20〜40 に振る。param1(内部の Canny 高しきい値)と半径範囲(3〜20)は固定。

자세한 사용 가이드

• gallery2d_features 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• gallery2d_features — py -3.11 examples/gallery2d_features.py

타입이 이어지는 다음 연산자(`feature` 를 입력으로 받는 것)

identity

같은 카테고리(`features`)

blob_count · area_frac · count_contours · total_length · vol_count · sk_euler · sk_entropy_feat · sk_blur_effect

*Provenance: ops.py — 2D 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

cv_hough_circles — 2D features op

사용법