代碼： 

#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <math.h>
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
    Mat img, gray;
    if( argc != 2 || !(img=imread(argv[1], 1)).data)
        return -1;
    cvtColor(img, gray, COLOR_BGR2GRAY);
    // smooth it, otherwise a lot of false circles may be detected
    GaussianBlur( gray, gray, Size(9, 9), 2, 2 );
    vector<Vec3f> circles;
    HoughCircles(gray, circles, HOUGH_GRADIENT,2, gray.rows/4, 200, 100 );
    for( size_t i = 0; i < circles.size(); i++ )
    {
         Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
         int radius = cvRound(circles[i][2]);
         // draw the circle center
         circle( img, center, 3, Scalar(0,255,0), -1, 8, 0 );
         // draw the circle outline
         circle( img, center, radius, Scalar(0,0,255), 3, 8, 0 );
    }
    namedWindow( "circles", 1 );
    imshow( "circles", img );
    waitKey(0);
    return 0;
}

特別需要注意的是，目前版本出現(xiàn)新參數(shù)“HOUGH_GRADIENT_ALT”，在默認參數(shù)下比以前有很大程度的精度提升：

但是HoughCircle的缺點也是顯而易見的，簡單來說，在默認參數(shù)下，它非常容易丟目標。

2.2BlobDetector 

所謂Blob就是圖像中一組具有某些共同屬性（例如，灰度值）的連接像素。OpenCV提供了一種方便的方法來檢測斑點并根據(jù)不同的特征對其進行過濾。

// Setup SimpleBlobDetector parameters.
SimpleBlobDetector::Params params;
// Change thresholds
params.minThreshold = 10;
params.maxThreshold = 200;
// Filter by Area.
params.filterByArea = true;
params.minArea = 1500;
// Filter by Circularity
params.filterByCircularity = true;
params.minCircularity = 0.1;
// Filter by Convexity
params.filterByConvexity = true;
params.minConvexity = 0.87;
// Filter by Inertia
params.filterByInertia = true;
params.minInertiaRatio = 0.01;
#if CV_MAJOR_VERSION < 3   // If you are using OpenCV 2
  // Set up detector with params
  SimpleBlobDetector detector(params);
  // You can use the detector this way
  // detector.detect( im, keypoints);
#else
 

        // Set up detector with params

        cv::Ptr<cv::SimpleBlobDetector> detector = cv::SimpleBlobDetector::create(params);

        vector<KeyPoint> keypoints;

        detector->detect(screw1, keypoints);  
#endif

在OpenCV中實現(xiàn)的叫做SimpleBlobDetector，它基于以下描述的相當簡單的算法，并且進一步由參數(shù)控制，具有以下步驟。

SimpleBlobDetector::Params::Params()
{
    thresholdStep = 10;    //二值化的閾值步長，即公式1的t
    minThreshold = 50;   //二值化的起始閾值，即公式1的T1
    maxThreshold = 220;    //二值化的終止閾值，即公式1的T2
    //重復(fù)的最小次數(shù)，只有屬于灰度圖像斑點的那些二值圖像斑點數(shù)量大于該值時，該灰度圖像斑點才被認為是特征點
    minRepeatability = 2;   
    //最小的斑點距離，不同二值圖像的斑點間距離小于該值時，被認為是同一個位置的斑點，否則是不同位置上的斑點
    minDistBetweenBlobs = 10;
 
    filterByColor = true;    //斑點顏色的限制變量
    blobColor = 0;    //表示只提取黑色斑點；如果該變量為255，表示只提取白色斑點
 
    filterByArea = true;    //斑點面積的限制變量
    minArea = 25;    //斑點的最小面積
    maxArea = 5000;    //斑點的最大面積
 
    filterByCircularity = false;    //斑點圓度的限制變量，默認是不限制
    minCircularity = 0.8f;    //斑點的最小圓度
    //斑點的最大圓度，所能表示的float類型的最大值
    maxCircularity = std::numeric_limits<float>::max();
 
    filterByInertia = true;    //斑點慣性率的限制變量
    minInertiaRatio = 0.1f;    //斑點的最小慣性率
    maxInertiaRatio = std::numeric_limits<float>::max();    //斑點的最大慣性率
 
    filterByConvexity = true;    //斑點凸度的限制變量
    minConvexity = 0.95f;    //斑點的最小凸度
    maxConvexity = std::numeric_limits<float>::max();    //斑點的最大凸度
}

• 閾值：通過使用以minThreshold開始的閾值對源圖像進行閾值處理，將源圖像轉(zhuǎn)換為多個二進制圖像。這些閾值以thresholdStep遞增，直到maxThreshold。因此，第一個閾值為minThreshold，第二個閾值為minThreshold + thresholdStep，第三個閾值為minThreshold + 2 x thresholdStep，依此類推；
• 分組：在每個二進制圖像中，連接的白色像素被分組在一起。我們稱這些二進制blob；
• 合并：計算二進制圖像中二進制斑點的中心，并合并比minDistBetweenBlob更近的斑點；
• 中心和半徑計算：計算并返回新合并的Blob的中心和半徑。

并且可以進一步設(shè)置SimpleBlobDetector的參數(shù)來過濾所需的Blob類型。

• 按顏色：首先需要設(shè)置filterByColor =True。設(shè)置blobColor = 0可選擇較暗的blob，blobColor = 255可以選擇較淺的blob。
• 按大?。嚎梢酝ㄟ^設(shè)置參數(shù)filterByArea = 1以及minArea和maxArea的適當值來基于大小過濾blob。例如。設(shè)置minArea = 100將濾除所有少于100個像素的斑點。
• 按圓度：這只是測量斑點距圓的距離。例如。正六邊形的圓度比正方形高。要按圓度過濾，請設(shè)置filterByCircularity =1。然后為minCircularity和maxCircularity設(shè)置適當?shù)闹?。圓度定義為（）。圓的為圓度為1，正方形的圓度為PI/4，依此類推。
• 
• 按凸性：凸度定義為（斑點的面積/凸包的面積）。現(xiàn)在，形狀的“凸包”是最緊密的凸形，它完全包圍了該形狀，用不嚴謹?shù)脑拋碇v，給定二維平面上的點集，凸包就是將最外層的點連接起來構(gòu)成的凸多邊形，它能包含點集中所有的點。直觀感受上，凸性越高則里面“奇怪的部分”越少。要按凸度過濾，需設(shè)置filterByConvexity = true，minConvexity、maxConvexity應(yīng)該屬于[0,1]，而且maxConvexity> minConvexity。
• 按慣性比：這個詞匯比較抽象。我們需要知道Ratio可以衡量形狀的伸長程度。簡單來說。對于圓，此值是1，對于橢圓，它在0到1之間，對于直線，它是0。按慣性比過濾，設(shè)置filterByInertia = true，并設(shè)置minInertiaRatio、maxInertiaRatio同樣屬于[0,1]并且maxConvexity> minConvexity。

  按凸性（左低右高）	按慣性比（左低右高）