cv_hough_circles — 2D features op

• Data kinds: image → feature

• Call: fullseye.apply(img, "cv_hough_circles", a=0.5, b=0.5) (2-D model = एक image + दो scalar knobs a,b∈[0,1])

• HALCON समकक्ष: hough_circles (अर्थ और parameters समझने के लिए HALCON reference उपयोगी है)

• GPU: नहीं (केवल CPU reference implementation)

*Figure synthetic 128×128 input पर सच में चलाकर मिला output है। बाईं ओर input, दाईं ओर output। Point clouds ऊपर से देखे गए scatter के रूप में (brightness = z), 1-D series line के रूप में, volumes z दिशा में maximum-intensity projection के रूप में, videos बीच के frame के रूप में, complex images amplitude के रूप में, और जो return values चित्र नहीं बन सकते वे स्वयं values के रूप में दिखाए जाते हैं।*

*Knob a output नहीं बदलता (मापा गया: 0.1 / 0.5 / 0.9 पर एक जैसा)।*

*Knob b output नहीं बदलता (मापा गया: 0.1 / 0.5 / 0.9 पर एक जैसा)।*

उपयोग

Hough transform से circle detection (1 scalar feature, OpenCV implementation)। Edge की gradient जानकारी इस्तेमाल करने वाली HOUGH_GRADIENT विधि से वृत्त का केंद्र और radius voting से पहचानता है —— यहाँ केवल पहचाने गए वृत्तों की संख्या लौटाता है (0 हों तो 0)।

HALCON के hough_circles (Detect centers of circles for a specific radius using the Hough transform.) के समतुल्य (अनुमानित: केंद्र निर्देशांक नहीं, केवल संख्या)। कार्यान्वयन 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 पहचाने गए वृत्त-केंद्रों के बीच न्यूनतम दूरी को 10〜30 करता है, b केंद्र-वोटिंग सीमा param2 (जितनी छोटी उतनी अधिक ग़लत पहचान) को 20〜40 करता है। param1 (आंतरिक Canny ऊपरी सीमा) और त्रिज्या सीमा (3〜20) स्थिर हैं।

पूर्व-शर्त: पहले स्मूद करें (यह op भीतर स्मूद नहीं करता)। HOUGH_GRADIENT हर पिक्सेल की ग्रेडिएंट दिशा में केंद्रों को वोट देता है, इसलिए शोर दिशाएँ बिखेर दे तो वोट इकट्ठे नहीं होते। OpenCV का विवरण और उदाहरण भी इनपुट को पहले धुँधला करते हैं (GaussianBlur / medianBlur)। माप (2026-11-03, 96x96, 0.3 पृष्ठभूमि पर 0.6 की चकती, शोर σ 0.02): स्मूदिंग के बिना त्रिज्या 6〜8 की 3 चकतियाँ हों या त्रिज्या 18 की 1, परिणाम 0 (cv2.HoughCircles सीधे बुलाने पर भी None)। पहले gaussian a=0.5 (σ लगभग 1.65 px) लगाने पर 3 / 4 सही गिने जाते हैं। 0 लौटने पर "वृत्त नहीं है" और "वोट बँट गए" में अंतर नहीं किया जा सकता, इसलिए शोर वाली छवियों में स्मूदिंग हमेशा आगे रखें।

उपयोग की विस्तृत guide

• gallery2d_features family guide

संदर्भ (sample data, साहित्य)

• Sample data catalog (DL URL / license) — 2-D के लिए skimage.data (BSD/public) + synthetic, 3-D के लिए real data sources (Stanford/PDS आदि) के DL URL।

• Operators का स्रोत और संदर्भ — इस op family के मूल research/methods के स्रोत।

• Algorithm का मानक स्रोत (लेखक, वर्ष) और उपयोग ऊपर की family usage guide में दिए गए हैं।

Studio में आज़माएँ

नीचे का program सच में चलता है, यह जाँचा गया है (figure वाला ही input)। Studio की help में यह block buttons बन जाता है, जिनसे इसे वहीं load करके चलाया जा सकता है।

cv_hough_circles 0.50 0.50

▸ यह pipeline load करें  ·  Load करके चलाएँ

चलाए जा सकने वाले उदाहरण (verified samples जो सच में यह op call करते हैं)

• gallery2d_features — py -3.11 examples/gallery2d_features.py

वे अगले ops जिनसे type जुड़ता है (feature को input के रूप में लेते हैं)

identity · feature_to_img

इसी category के (features)

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

*Provenance: ops.py — 2D operator registry. यह per-op note tools/opdocs.py md से अपने-आप generate होता है (हाथ से edit न करें)।*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.