企业官网建设流程全解析

前言

在工业检测、答题卡识别、零件计数这类场景里，「找出图里的圆和矩形」几乎是最常见的起点。很多人第一反应是找一个万能函数，把图片丢进去就返回所有形状。实际上 OpenCV 并没有这样的接口：圆和矩形走的是两条完全不同的技术路线，圆靠霍夫变换在参数空间里投票，矩形靠轮廓分析加多边形逼近。把两者混在一个流程里，参数会互相牵制，结果往往两边都不准。

另一个常见误解是把「识别」等同于「检测」。检测只要求给出位置，识别还要求判断这个形状到底属于哪一类。霍夫圆变换天然只输出圆，而轮廓法找到的四边形可能是矩形、平行四边形、梯形，甚至是一个被噪声削掉一角的圆，必须再补几个几何判据才能下结论。

本文以 OpenCV 4.x 的 C++ 接口为准，先讲清两条路线的原理与参数含义，再给出一份把圆和矩形放在同一张图上标注的完整示例。文中所有阈值都是起点而不是标准答案，实际图像需要自己调；不同 OpenCV 小版本之间个别默认行为可能有差异，具体以官方文档为准。

一、两条路线与共用的预处理

圆的参数只有三个：圆心横坐标、纵坐标、半径。这让它非常适合霍夫变换——把每个边缘点在参数空间里可能对应的所有圆都投一票，票数最高的参数组合就是圆。矩形没有这么简洁的参数化方式，它的位置、尺寸、旋转角组合起来维度更高，所以工程上普遍改用「先取轮廓，再把轮廓逼近成多边形，最后看顶点」的办法。

两条路线共用的部分是预处理。彩色图先转灰度，因为这两个算法都只关心亮度梯度；再用高斯模糊压掉传感器噪声，核大小取奇数，常见是 3 或 5。区别在于：霍夫圆直接吃灰度图，它内部会自己做边缘提取；轮廓法通常要再经过 Canny 或阈值化，得到一张二值图。

预处理阶段最容易被忽略的是分辨率。同一组参数在 640 像素宽的图上合适，换到 4000 像素的图上就会失效，因为minDist、minRadius这类参数都是以像素为单位的绝对量。稳妥的做法是把图像缩放到一个固定宽度再处理，或者把所有像素参数按缩放比例同步放大。

二、霍夫圆变换与它的四个关键参数

cv::HoughCircles的核心是梯度霍夫变换。它先算每个像素的梯度方向，然后沿着梯度方向（以及反方向）在累加器里为可能的圆心投票，投票时用圆心到边缘点的距离作为半径。相比最早的完全三维累加器，利用梯度方向把搜索范围缩小到一条射线，内存和计算量都降下来了。

函数签名里参数不少，含义如下：

param2是最难调的一个，它和图像分辨率、边缘强度都相关，没有通用数值。经验做法是先把它设得很低，观察误检的分布，再逐步提高直到误检消失；如果这时真目标也被滤掉，说明param1太低导致边缘太碎，应该先调param1。

还有一点：dp取大于 1 的值时，累加器坐标是缩放过的，最终输出的圆心坐标仍会换算回原图尺度，不需要自己乘回去。这一点常被误解，有人手动再乘一次dp，位置就整体偏移了。

三、轮廓逼近与矩形的几何判据

矩形检测的流程是：二值化或 Canny 得到边缘，cv::findContours取出轮廓，cv::approxPolyDP把轮廓简化成折线，最后判断折线的顶点数与角度。

cv::approxPolyDP用的是 Douglas-Peucker 算法，第三个参数epsilon是允许的最大偏差距离。它必须是相对量，通常取轮廓周长的 1% 到 2%。如果写成固定的 5 个像素，小目标的轮廓会被压成一个三角形，大目标的轮廓则压不下去，顶点数仍然成百上千。

顶点数等于 4 并不等于矩形。一个梯形、一个被遮挡了一部分的方块、甚至一个分辨率很低的圆，都可能被逼近成四个点。所以要再加三道判据：

1. 
   
2. 凸性：cv::isContourConvex必须为真，排除凹四边形。
3. 
   
4. 直角：四个内角都接近 90 度，用相邻两边向量的点积判断，余弦绝对值小于 0.2 大约对应 78 到 102 度。
5. 
   
6. 面积比：轮廓面积与外接矩形面积之比接近 1，排除极度细长的形状。
7. 
   

对于允许旋转的矩形，还可以用cv::minAreaRect得到最小面积旋转矩形，再比较轮廓面积与旋转矩形面积的比值。这个比值对矩形接近 1，对三角形约为 0.5，区分度比正外接矩形更好。

反过来，如果要把圆从候选里剔掉，可以算圆度：4πA/P²，其中 A 是面积、P 是周长。理想圆为 1，正方形约为 0.785，细长形状更低。这个指标对轮廓的锯齿比较敏感，二值化质量差时会偏低，只能作为辅助。

四、完整示例

下面的程序在同一张图上先标圆、再标矩形。为了让矩形判据不把圆误判成四边形，代码里同时用了凸性、直角和面积比三个条件。

// 适用于 C++17（OpenCV 4.x）
#include <opencv2/opencv.hpp>
#include <algorithm>
#include <cmath>
#include <iostream>
#include <vector>

namespace {

// 判断四边形四个内角是否都接近直角
bool isRightAngled(const std::vector<cv::Point>& quad) {
for (int i = 0; i < 4; ++i) {
const cv::Point& prev = quad[(i + 3) % 4];
const cv::Point& cur = quad[i];
const cv::Point& next = quad[(i + 1) % 4];

double v1x = static_cast<double>(prev.x - cur.x);
double v1y = static_cast<double>(prev.y - cur.y);
double v2x = static_cast<double>(next.x - cur.x);
double v2y = static_cast<double>(next.y - cur.y);

double n1 = std::sqrt(v1x * v1x + v1y * v1y);
double n2 = std::sqrt(v2x * v2x + v2y * v2y);
if (n1 < 1e-6 || n2 < 1e-6) return false;

double cosine = (v1x * v2x + v1y * v2y) / (n1 * n2);
if (std::fabs(cosine) > 0.2) return false;
}
return true;
}

} // namespace

int main(int argc, char** argv) {
if (argc < 2) {
std::cerr << "usage: detect <image>\n";
return 1;
}

cv::Mat src = cv::imread(argv[1], cv::IMREAD_COLOR);
if (src.empty()) {
std::cerr << "cannot read image\n";
return 1;
}

cv::Mat gray;
cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY);
cv::GaussianBlur(gray, gray, cv::Size(5, 5), 1.5);

cv::Mat canvas = src.clone();

// ---------- 圆 ----------
std::vector<cv::Vec3f> circles;
cv::HoughCircles(gray, circles, cv::HOUGH_GRADIENT,
1.0, // dp
gray.rows / 8.0, // minDist
120.0, // param1，内部 Canny 高阈值
35.0, // param2，累加器阈值
10, // minRadius
std::min(gray.rows, gray.cols) / 2);

for (const cv::Vec3f& c : circles) {
cv::Point center(cvRound(c[0]), cvRound(c[1]));
int radius = cvRound(c[2]);
cv::circle(canvas, center, radius, cv::Scalar(0, 0, 255), 2);
cv::circle(canvas, center, 2, cv::Scalar(0, 0, 255), -1);
}

// ---------- 矩形 ----------
cv::Mat edges;
cv::Canny(gray, edges, 50, 150);

std::vector<std::vector<cv::Point>> contours;
cv::findContours(edges, contours,
cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

for (const std::vector<cv::Point>& contour : contours) {
double area = cv::contourArea(contour);
if (area < 800.0) continue; // 过滤小噪点

double perimeter = cv::arcLength(contour, true);
std::vector<cv::Point> approx;
cv::approxPolyDP(contour, approx, perimeter * 0.02, true);

if (approx.size() != 4) continue;
if (!cv::isContourConvex(approx)) continue;
if (!isRightAngled(approx)) continue;

// 面积比：过滤极度细长的四边形
cv::Rect box = cv::boundingRect(approx);
if (box.width <= 0 || box.height <= 0) continue;
double ratio = area / (static_cast<double>(box.width) * box.height);
if (ratio < 0.75) continue;

cv::polylines(canvas, approx, true, cv::Scalar(0, 255, 0), 2);
}

cv::imwrite("detected.png", canvas);
return 0;
}

编译时用 CMake 配置 OpenCV 比较省事：

cmake_minimum_required(VERSION 3.16)
project(detect_shapes CXX)

set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

find_package(OpenCV 4 REQUIRED)

add_executable(detect_shapes main.cpp)
target_link_libraries(detect_shapes PRIVATE ${OpenCV_LIBS})
target_include_directories(detect_shapes PRIVATE ${OpenCV_INCLUDE_DIRS})

代码里有几处需要说明。cv::HoughCircles的minDist参数类型是double，这里写gray.rows / 8.0是为了避免整数除法把结果截断。cvRound是 OpenCV 提供的四舍五入函数，返回int，对负值和中值的处理与std::round可能不同，用在坐标上是安全的。cv::findContours的第二个参数类型是std::vector<std::vector<cv::Point>>，如果同时需要层级信息，还要再传一个std::vector<cv::Vec4i>。cv::polylines接受单个点序列时会把它当成一条折线，最后一个参数true表示闭合。

另外，程序用cv::imwrite而不是cv::imshow，是为了在没有图形界面的服务器上也能跑。需要窗口预览时再补cv::imshow和cv::waitKey(0)，但要确认所用的 OpenCV 构建带 highgui 后端。

常见坑点

坑点一：把三通道彩色图直接传给HoughCircles。

❌cv::HoughCircles(src, circles, cv::HOUGH_GRADIENT, 1, 20, 100, 30);，其中src来自cv::imread的默认读取。

✅ 先cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY)，函数只接受 8 位单通道图。

坑点二：param2直接照抄教程数值。

❌ 在高分辨率图上仍用param2 = 30，结果同一片区域检出十几个同心圆。

✅ 先降低param1保证边缘完整，再逐步提高param2直到重复检测消失，同时用minDist约束圆心间距。

坑点三：用绝对像素做approxPolyDP的精度。

❌cv::approxPolyDP(contour, approx, 5, true);换一张分辨率不同的图就失效。

✅double eps = 0.02 * cv::arcLength(contour, true);让精度随尺度变化。

坑点四：只凭顶点数等于 4 就判定矩形。

❌if (approx.size() == 4) { /* 认为是矩形 */ }，梯形和部分圆都会被算进去。

✅ 再检查cv::isContourConvex、四个直角和面积比。

坑点五：在 Canny 结果上直接找矩形，边缘不闭合。

❌ 对低对比度目标只做cv::Canny就调用findContours，轮廓断成几段，凑不出四个顶点。

✅ 改用自适应阈值或 OTSU 得到实心前景，必要时先做一次形态学闭运算连接断口。

坑点六：忽略imread的失败返回。

❌cv::Mat src = cv::imread(path);之后直接cvtColor，路径写错时在深处崩溃。

✅ 立即检查src.empty()，失败时打印路径并返回非零值。

坑点七：在无图形界面的环境调用imshow。

❌ 服务器上运行cv::imshow加cv::waitKey，程序抛异常或直接中止。

✅ 用cv::imwrite输出结果；确需预览时确认 highgui 后端可用。

总结

圆和矩形没有统一的识别入口，选择哪条路线取决于目标是否有简洁的参数化形式。霍夫变换把「找形状」变成「找参数空间的峰」，轮廓法则把「找形状」变成「找顶点」，两者的调参思路完全不同。把预处理、尺度归一化和几何判据这三层做好，识别结果才稳定；单靠调一个阈值，换个场景就会失效。