cv.HoughCircles()函数

circles=cv.HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]])

image：8位、单通道、灰度输入图像
circles：找到圆的输出向量。每个向量编码为3或4个元素的浮点向量$(x,y,radius)(x,y,radius,votes)$
method：检测方法。目前，唯一实现的方法是HOUGH_GRADIENT
dp：累加器分辨率与图像分辨率的反比。例如，如果dp=1，则累加器具有与输入图像相同的分辨率。如果dp=2，则累加器的宽度和高度都是一半
minDist：检测到圆的中心之间的最小距离。如果参数太小，除了一个真实的圆之外，可能错误地检测到多个相邻的圆圈。如果太大，可能会遗漏一些圆。
param1：第一个特定方法参数。在HOUGH_GRADIENT的情况下，它是传递给canny边缘检测算子的高阀值，而低阀值为高阀值的一半
param2：第二个特定方法参数。在HOUGH_GRADIENT的情况下，它是检测阶段圆心的累加阀值。它越小，可以检测到更多的假圆。它越大，能通过检测的圆就更加接近完美的圆形。
minRadius：最小半径
maxRadius：最大圆半径。如果≤0，则使用最大图像尺寸；如果＜0，则返回中心而不查找半径

参考网址：