cv::HoughCircles 中的 dp 参数究竟是如何工作的？
How exactly does dp parameter in cv::HoughCircles work?
我在 Stack Overflow 中读到了类似的内容 question。我试过了，但我还是不明白它是如何工作的。
我阅读了OpenCV文档cv::HoughCircles，这里有一些关于dp参数的解释：
Inverse ratio of the accumulator resolution to the image resolution. For example, if dp=1 , the accumulator has the same resolution as the input image. If dp=2 , the accumulator has half as big width and height.
这是我的问题。比如dp=1，accumulator的大小和image一样，image中的像素点和accumulator中的位置是一致的一一匹配，但是dp=2，怎么匹配？
提前致谢。
这里没有 one-to-one 匹配这样的东西。您确实有一张带有像素和 hough space 的图像，用于为圈子投票。这个参数只是一个方便的方式来指定 hough space 相对于图像大小的大小。
请查看此了解更多详情。
编辑：
您的图片有 (x,y) 坐标。您的圆 space 具有 (a,b,r) 坐标，而 (a,b) 是圆心，r 是半径。假设您找到了一个边缘像素。现在你为每个可以穿过这个边缘像素的圆圈投票。我发现 this 霍夫 space 的漂亮照片有 单 投票，即 单 边缘像素（连续情况）。实际上，这种投票发生在 3D 累加器矩阵中。您可以将其视为这种连续情况的光栅化。
现在，如前所述，dp 参数定义了此累加器矩阵相对于您的图像大小的大小。 dp 参数越大，光栅化的分辨率越低。这就像用不同的分辨率拍摄照片。如果您缩小照片的尺寸，多个像素将减少为一个像素。如果您减少累加器矩阵分别增加 dp 参数，也会发生同样的情况。不同圆心（彼此相邻）和半径（大小相似）的多个投票现在合并，即您确实获得了不太准确的圆参数，但更多 "robust" 投票。
请注意，OpenCV 的实现稍微复杂一些（他们使用霍夫梯度法而不是标准的霍夫变换），但注意事项仍然适用。
我在 Stack Overflow 中读到了类似的内容 question。我试过了，但我还是不明白它是如何工作的。
我阅读了OpenCV文档cv::HoughCircles，这里有一些关于dp参数的解释：
Inverse ratio of the accumulator resolution to the image resolution. For example, if dp=1 , the accumulator has the same resolution as the input image. If dp=2 , the accumulator has half as big width and height.
这是我的问题。比如dp=1，accumulator的大小和image一样，image中的像素点和accumulator中的位置是一致的一一匹配，但是dp=2，怎么匹配？
提前致谢。
这里没有 one-to-one 匹配这样的东西。您确实有一张带有像素和 hough space 的图像，用于为圈子投票。这个参数只是一个方便的方式来指定 hough space 相对于图像大小的大小。
请查看此
编辑：
您的图片有 (x,y) 坐标。您的圆 space 具有 (a,b,r) 坐标，而 (a,b) 是圆心，r 是半径。假设您找到了一个边缘像素。现在你为每个可以穿过这个边缘像素的圆圈投票。我发现 this 霍夫 space 的漂亮照片有 单 投票，即 单 边缘像素（连续情况）。实际上，这种投票发生在 3D 累加器矩阵中。您可以将其视为这种连续情况的光栅化。
现在，如前所述，dp 参数定义了此累加器矩阵相对于您的图像大小的大小。 dp 参数越大，光栅化的分辨率越低。这就像用不同的分辨率拍摄照片。如果您缩小照片的尺寸，多个像素将减少为一个像素。如果您减少累加器矩阵分别增加 dp 参数，也会发生同样的情况。不同圆心（彼此相邻）和半径（大小相似）的多个投票现在合并，即您确实获得了不太准确的圆参数，但更多 "robust" 投票。
请注意，OpenCV 的实现稍微复杂一些（他们使用霍夫梯度法而不是标准的霍夫变换），但注意事项仍然适用。