void HoughCircles(InputArray image,OutputArray circles, int method, double dp, double minDist, double param1=100,double param2=100, int minRadius=0, int maxRadius=0 )

第一個引數，InputArray型別的image，輸入影象，即源影象，需為8位的灰度單通道影象。

第二個引數，InputArray型別的circles，經過呼叫HoughCircles函式後此引數儲存了檢測到的圓的輸出向量，每個向量由包含了3個元素的浮點向量(x, y, radius)表示。第三個引數，int型別的method，即使用的檢測方法，目前OpenCV中就霍夫梯度法一種可以使用，它的識別符號為CV_HOUGH_GRADIENT，在此引數處填這個識別符號即可。第四個引數，double型別的dp，用來檢測圓心的累加器影象的解析度於輸入影象之比的倒數，且此引數允許建立一個比輸入影象解析度低的累加器。上述文字不好理解的話，來看例子吧。例如，如果dp= 1時，累加器和輸入影象具有相同的解析度。如果dp=2，累加器便有輸入影象一半那麼大的寬度和高度。第五個引數，double型別的minDist，為霍夫變換檢測到的圓的圓心之間的最小距離，即讓我們的演算法能明顯區分的兩個不同圓之間的最小距離。這個引數如果太小的話，多個相鄰的圓可能被錯誤地檢測成了一個重合的圓。反之，這個引數設定太大的話，某些圓就不能被檢測出來了。第六個引數，double型別的param1，有預設值100。它是第三個引數method設定的檢測方法的對應的引數。對當前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示傳遞給canny邊緣檢測運算元的高閾值，而低閾值為高閾值的一半。第七個引數，double型別的param2，也有預設值100。它是第三個引數method設定的檢測方法的對應的引數。對當前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示在檢測階段圓心的累加器閾值。它越小的話，就可以檢測到更多根本不存在的圓，而它越大的話，能通過檢測的圓就更加接近完美的圓形了。第八個引數，int型別的minRadius,有預設值0，表示圓半徑的最小值。第九個引數，int型別的maxRadius,也有預設值0，表示圓半徑的最大值。需要注意的是，使用此函式可以很容易地檢測出圓的圓心，但是它可能找不到合適的圓半徑
--------------------- 
import cv2 as cv
import numpy as np

def detect_circles_demo(image):
    dst = cv.pyrMeanShiftFiltering(image,200, 200)       ##霍夫均值漂移
    cimage = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)
    circles = cv.HoughCircles(cimage, cv.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)   ##霍夫圓檢測
    circles = np.uint16(np.around(circles))
    for i in circles[0, :]:
        cv.circle(image, (i[0], i[1]), i[2], (0, 0, 255), 2)
        cv.circle(image, (i[0], i[1]), 2, (255, 0, 0), 2)     ##圓心
    cv.imshow("circles", image)
src = cv.imread("C:/Users/weiqiangwen/Desktop/sest/contours.png")
# cv.namedWindow("input contours",cv.WINDOW_AUTOSIZE)
cv.imshow("contours", src)
detect_circles_demo(src)
cv.waitKey(0)

cv.destroyAllWindows()
print("--------- Python OpenCV Tutorial ---------")