Tarea8

Jose Carlos Gamboa Esparza #1620297
Tarea8: Detección de círculos
Para detectar círculos en imágenes, deberá utilizar la función cv2.HoughCircles. Definitivamente
no es la función más fácil de usar, pero se explicara de la siguiente manera.
cv2.HoughCircles(image, method, dp, minDist)
image: imagen de un solo canal de 8 bits. Si trabaja con una imagen en color, conviértala
primero a escala de grises.
method: Define el método para detectar círculos en imágenes. Actualmente, el único método
implementado es cv2.HOUGH_GRADIENT, que corresponde al de Yuen et al. papel.
dp: este parámetro es la relación inversa entre la resolución del acumulador y la resolución de
la imagen (consulte Yuen et al. para obtener más detalles). Esencialmente, cuanto más grande
es el dp, más pequeña se vuelve la matriz de acumuladores.
minDist: Distancia mínima entre las coordenadas centrales (x, y) de los círculos detectados. Si
minDist es demasiado pequeño, es posible que se detecten (falsamente) varios círculos en la
misma vecindad que el original. Si minDist es demasiado grande, es posible que algunos círculos
no se detecten en absoluto.
param1: valor de gradiente utilizado para manejar la detección de bordes en Yuen et al.
método.
param2: Valor umbral del acumulador para el método cv2.HOUGH_GRADIENT. Cuanto menor
sea el umbral, más círculos se detectarán (incluidos los círculos falsos). Cuanto mayor sea el
umbral, potencialmente se devolverán más círculos.
minRadius: tamaño mínimo del radio (en píxeles).
maxRadius: tamaño máximo del radio (en píxeles).
Jose Carlos Gamboa Esparza #1620297
Jose Carlos Gamboa Esparza #1620297