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(xu)要(yao)注意的是，目(mu)前版本(ben)出現新(xin)參數(shu)“HOUGH_GRADIENT_ALT”，在默認參數下比以前有很大程度(du)的(de)精度(du)提升：

但是HoughCircle的缺點也是顯而易(yi)見的，簡單來說，在默認參(can)數下，它非常容易(yi)丟目標。

2.2BlobDetector 

所謂(wei)Blob就(jiu)是圖像(xiang)(xiang)中一組(zu)具有某些共同屬性（例如(ru)，灰度(du)值(zhi)）的(de)連(lian)接像(xiang)(xiang)素。OpenCV提供了一種(zhong)方便的方法來檢測(ce)斑(ban)點并根據不同的特征(zheng)對其(qi)進行過(guo)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&nbsp;detector with params

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

        vector<KeyPoint> keypoints;

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

在OpenCV中實現的(de)(de)叫做SimpleBlobDetector，它基于以(yi)下描述的(de)(de)相(xiang)當簡(jian)單(dan)的(de)(de)算法，并(bing)且(qie)進(jin)一步由參數控制，具有以(yi)下步驟。

SimpleBlobDetector::Params::Params()
{
    thresholdStep = 10;    //二值(zhi)化的閾值(zhi)步長，即公式(shi)1的t
    minThreshold = 50;   //二值(zhi)化的起始閾(yu)值(zhi)，即(ji)公(gong)式1的T1
    maxThreshold = 220;    //二值(zhi)(zhi)化(hua)的(de)終止閾值(zhi)(zhi)，即公(gong)式1的(de)T2
    //重(zhong)復(fu)的(de)最小次數，只有屬于灰度圖像(xiang)斑(ban)點(dian)的(de)那些二(er)值(zhi)圖像(xiang)斑(ban)點(dian)數量(liang)大于該值(zhi)時，該灰度圖像(xiang)斑(ban)點(dian)才被認(ren)為是特(te)征點(dian)
    minRepeatability = 2;   
    //最(zui)小的斑(ban)點距離，不同(tong)(tong)二值(zhi)圖(tu)像(xiang)的斑(ban)點間(jian)距離小于該值(zhi)時，被認為是同(tong)(tong)一個(ge)位(wei)置(zhi)的斑(ban)點，否則是不同(tong)(tong)位(wei)置(zhi)上(shang)的斑(ban)點
    minDistBetweenBlobs = 10;
 
    filterByColor = true;    //斑點顏(yan)色的限(xian)制變量
    blobColor = 0;    //表示只提取(qu)黑色(se)斑點；如果該(gai)變量為255，表示只提取(qu)白色(se)斑點
 
    filterByArea = true;    //斑點面(mian)積的限(xian)制(zhi)變量
    minArea = 25;    //斑點的(de)最小(xiao)面積
    maxArea = 5000;    //斑點的最大面積
 
    filterByCircularity = false;    //斑點(dian)圓度的限(xian)制變量，默認是(shi)不限(xian)制
    minCircularity = 0.8f;    //斑點的(de)最小圓度(du)
    //斑點的(de)(de)最(zui)大(da)圓度，所(suo)能表(biao)示的(de)(de)float類(lei)型的(de)(de)最(zui)大(da)值
    maxCircularity = std::numeric_limits<float>::max();
 
    filterByInertia = true;    //斑點慣性率(lv)的(de)限制變(bian)量
    minInertiaRatio = 0.1f;    //斑點的最(zui)小慣性率
    maxInertiaRatio = std::numeric_limits<float>::max();    //斑點的最(zui)大慣性率
 
    filterByConvexity = true;    //斑點凸(tu)度的限制(zhi)變量(liang)
    minConvexity = 0.95f;    //斑點的最小(xiao)凸度
    maxConvexity = std::numeric_limits<float>::max();    //斑點的(de)最大凸度
}

• 閾(yu)(yu)(yu)值(zhi)(zhi)：通過(guo)使用(yong)以(yi)minThreshold開始的(de)閾(yu)(yu)(yu)值(zhi)(zhi)對(dui)源圖像進(jin)行閾(yu)(yu)(yu)值(zhi)(zhi)處(chu)理(li)，將源圖像轉換為(wei)(wei)多個(ge)二進(jin)制圖像。這些閾(yu)(yu)(yu)值(zhi)(zhi)以(yi)thresholdStep遞增，直到(dao)maxThreshold。因(yin)此，第一個(ge)閾(yu)(yu)(yu)值(zhi)(zhi)為(wei)(wei)minThreshold，第二個(ge)閾(yu)(yu)(yu)值(zhi)(zhi)為(wei)(wei)minThreshold + thresholdStep，第三個(ge)閾(yu)(yu)(yu)值(zhi)(zhi)為(wei)(wei)minThreshold + 2 x thresholdStep，依此類推；
• 分組：在每個(ge)二(er)進制圖像中，連接的白(bai)色像素被分組在一起。我們稱這些二(er)進制blob；
• 合并：計算(suan)二進制(zhi)圖像中二進制(zhi)斑(ban)點(dian)(dian)的中心，并合并比minDistBetweenBlob更近的斑(ban)點(dian)(dian)；
• 中(zhong)心(xin)(xin)和半徑計(ji)算：計(ji)算并(bing)返回新合并(bing)的Blob的中(zhong)心(xin)(xin)和半徑。

并且(qie)可以進(jin)一步設置SimpleBlobDetector的參數來過濾所需的Blob類型。

• 按顏色：首(shou)先需要設置(zhi)filterByColor =True。設置(zhi)blobColor = 0可選擇(ze)較暗(an)的(de)blob，blobColor = 255可以選擇(ze)較淺的(de)blob。
• 按大(da)小(xiao)(xiao)：可以通過設置參數filterByArea = 1以及minArea和(he)maxArea的適當(dang)值來基(ji)于大(da)小(xiao)(xiao)過濾(lv)blob。例如(ru)。設置minArea = 100將濾(lv)除所有少于100個像素的斑點(dian)。
• 按(an)圓(yuan)(yuan)度(du)：這(zhe)只(zhi)是測量斑點距圓(yuan)(yuan)的距離(li)。例如。正六邊形(xing)的圓(yuan)(yuan)度(du)比正方形(xing)高。要按圓(yuan)(yuan)度(du)過濾(lv)，請設置(zhi)filterByCircularity =1。然后為(wei)minCircularity和maxCircularity設置(zhi)適當的值(zhi)。圓(yuan)(yuan)度(du)定義為(wei)（）。圓(yuan)的(de)為(wei)圓(yuan)度(du)(du)為(wei)1，正(zheng)方形(xing)的(de)圓(yuan)度(du)(du)為(wei)PI/4，依(yi)此類推。
• 按凸性(xing)：凸度定義為(wei)（斑點的面(mian)積/凸包的面(mian)積）。現在，形狀的“凸包”是最緊密的凸形，它完全包圍了該形狀，用不嚴謹的話來講，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，需設置filterByConvexity = true，minConvexity、maxConvexity應該屬于[0,1]，而且maxConvexity> minConvexity。
• 按慣(guan)性比：這(zhe)個詞匯(hui)比較抽象。我們需要知道Ratio可以衡量形(xing)狀的伸長程(cheng)度(du)。簡單(dan)來說。對于(yu)圓，此(ci)值(zhi)是(shi)1，對于(yu)橢圓，它在0到1之間(jian)，對于(yu)直(zhi)線，它是(shi)0。按慣(guan)性(xing)比過濾，設置(zhi)filterByInertia = true，并設置(zhi)minInertiaRatio、maxInertiaRatio同樣屬于(yu)[0,1]并且maxConvexity> minConvexity。

  按(an)凸性（左低右高）	按慣性比（左低右高）