此项目，用于检测视频流中的圆形物体，项目计划用于学校创新比赛，自己做的计算机视觉分拣物品--主要针对一些简单的物品，形状规则，颜色明显的物品分拣。
之后会更新一篇识别矩形或者非圆形的代码，正在筹划中，我想，只要一些简单的历程能够实现，基本就可以模拟整个场景的工作了。 ##流程##
首先计算机摄像头处理传送带上的物体，快速扫描后，识别出物品，比如只有圆形和方形，计算机做出判断，然后将指令发送到单片机，单片机接受指令，做出相应动作，将物品分离--可以是机械臂，（简易一点的就是靠舵机直接驱动分离物品。）
初级的部分代码如下：（检测圆形）
mport cv2
import numpy as np
def detect_circle_demo ():
video_capture = cv2.VideoCapture(0)
while True:
if not video_capture.isOpened():
print('Unable to load camera.')
break
ret, img = video_capture.read()
#img = cv2.pyrMeanShiftFiltering(img, 10, 25)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 灰度图像
circles1 = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT , 1, 100, param1=100, param2=100, minRadius=50,maxRadius=200)
# cv.HoughCircles(cimage, cv.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)
try: # 如果上一步没有检测到。执行try内容，就会报错。可以修改尝试看下。
circles = circles1[0, :, :] # 提取为二维
except TypeError:
print('未发现圆形物体！！')
else:
circles = np.uint16(np.around(circles)) # 四舍五入
for i in circles[:]:
cv2.circle(img, (i[0], i[1]), i[2], color=[0, 0, 0], thickness=2) # 画圆
cv2.circle(img, (i[0], i[1]), 2, color=[0, 255, 0], thickness=2) # 画圆心
cv2.putText(img, "center", (i[0] - 20, i[1] - 20), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)
print(i[0],i[1])
# 输出坐标
# 显示视频
cv2.imshow('Video', img)
cv2.waitKey(10)
detect_circle_demo()
"""
dp，用来检测圆心的累加器图像的分辨率于输入图像之比的倒数，且此参数允许创建一个比输入图像分辨率低的累加器。上述文字不好理解的话，来看例子吧。例如，如果dp= 1时，累加器和输入图像具有相同的分辨率。如果dp=2，累加器便有输入图像一半那么大的宽度和高度。
minDist，为霍夫变换检测到的圆的圆心之间的最小距离，即让我们的算法能明显区分的两个不同圆之间的最小距离。这个参数如果太小的话，多个相邻的圆可能被错误地检测成了一个重合的圆。反之，这个参数设置太大的话，某些圆就不能被检测出来了。
param1，有默认值100。它是method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法，它表示传递给canny边缘检测算子的高阈值，而低阈值为高阈值的一半。
param2，也有默认值100。它是method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法，它表示在检测阶段圆心的累加器阈值。它越小的话，就可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了。
minRadius，默认值0，表示圆半径的最小值。
maxRadius，也有默认值0，表示圆半径的最大值
"""