我在堆栈溢出中阅读了类似的question。我尝试过，但是我仍然不明白它是如何工作的。
我阅读了OpenCV文档cv::HoughCircles，这是有关dp参数的一些说明:
这是我的问题。例如，如果dp = 1，则累加器的大小与图像相同，则图像中的像素与累加器中的位置之间存在一对一的一致匹配，但是如果dp = 2，该如何匹配？
提前致谢。
最佳答案
这里没有一对一的比赛。您的图像确实具有像素和hough空间，用于对圈子进行投票。此参数只是指定相对于图像大小的hough空间大小的便捷方法。
请查看此answer了解更多详细信息。
编辑:
您的图片具有(x,y) -coordinates。您的圆圈hough空间具有(a,b,r)-坐标，而(a,b)是圆圈中心，而r是半径。假设您找到一个边缘像素。现在，您为每个圆圈投票，该圆圈可能会通过该边缘像素。我发现ojit_是一个具有单个投票的霍夫空间的漂亮图片，即单个边缘像素(连续的情况)。实际上，这种投票发生在3D累加器矩阵内。您可以将其视为此连续案例的栅格化。
现在，如上所述，dp参数定义了相对于您的图像大小的此累加器矩阵的大小。 dp参数越大，栅格化的分辨率越低。这就像以不同的分辨率拍照。如果您缩小照片的尺寸，则多个像素将减少为一个像素。如果减少累加器矩阵或分别增加dp参数，也会发生相同的情况。现在合并了不同圆心(彼此相邻)和半径(大小相似)的多个选票，即您确实获得了较不准确的圆参数，但投票更加“稳健”。
请注意，OpenCV的实现稍微复杂一些(它们使用Hough梯度方法而不是标准的Hough变换)，但注意事项仍然适用。