First

Author: mstftmk

.DS_Store

@@ -0,0 +1,51 @@
+# Circle Detection
+
+This project contains a Python code that detects the pixel diameters using Python and OpenCV, and marks them in green color.
+
+## Example
+
+In example, code detects the pixel diameters of the 5 bolt holes and the center hub on a wheel image.
+
+> Input Image
+![Image1](https://github.com/mstftmk/Circle-Detection/blob/main/Images/Image1.png?raw=true)
+
+> Result Image
+![Image2](https://github.com/mstftmk/Circle-Detection/blob/main/Images/Image2.png?raw=true)
+
+
+## Requirements
+
+Install the required dependencies:
+
+```shell
+pip install -r requirements.txt
+```
+
+## Usage
+
+1. Clone the repository to your local machine using the following command:
+
+```shell
+git clone https://github.com/mstftmk/Circle-Detection.git
+```
+
+2. Navigate to the project directory:
+```shell
+cd repo-path
+```
+
+3. Run the code:
+
+```shell
+python circle_detection.py Image1.png
+```
+
+## Contributions
+
+Contributions to the project are welcome! If you find any bugs or want to enhance the functionality, feel free to open an issue or submit a pull request.
+
+- Fork the project (https://github.com/mstftmk/Circle-Detection/fork)
+- Create your feature branch (git checkout -b feature/fooBar)
+- Commit your changes (git commit -am 'Add some fooBar')
+- Push to the branch (git push origin feature/fooBar)
+- Create a new Pull Request

README.md

@@ -0,0 +1,81 @@
+import cv2
+import numpy as np
+import sys
+import os
+
+def circle_detect(img_path):
+    '''
+    Bu kod, terminal üzerinden circle detection dosyasını çalıştırmak için yazılmıştır.
+    
+    dp=1, #dp: çözünürlük oranı.
+    minDist=200, #minDist: algılanabilecek daireler arasındaki minimum mesafe.
+    param1=255, # param1: Canny Edge Detector için üst eşik değeri.
+    param2=20, # param2: dairesel merkezlerin tespiti için eşik değeri.
+    minRadius=50, # minRadius: algılanacak dairelerin minimum yarıçapı.
+    maxRadius=5000 # maxRadius: algılanacak dairelerin maksimum yarıçapı.
+    '''
+
+    image_path = img_path # Görselin Path'ini alıyoruz.
+    image = cv2.imread(image_path, cv2.IMREAD_COLOR) # Path üzerinden görseli okuyoruz.
+    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # Görseli Grayscale olarak convert ediyoruz.
+    edges = cv2.Canny(gray, threshold1=254, threshold2=255) # Edge Detection için Canny yöntemini kullanıyoruz. threshold1: kenar olarak kabul edilen zayıf piksel değerlerinin alt sınırı, threshold2: kenar olarak kabul edilen güçlü piksel değerlerinin üst sınırı.
+
+    # Morfolojik işlemler uygulayarak bir maskeye dönüştürüyoruz.
+    # kernel: morfolojik işlemler için kullanılan kernel, burada 5x5 boyutunda bir matris. Çünkü yüksek çözünürlüklü görseller için 5x5 matris kullanabiliriz. Yoksa 3x3 kullanmalıydık.
+    kernel = np.ones((5, 5), np.uint8)
+    closed_mask = cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel, iterations=4) # cv2.MORPH_CLOSE, morfolojik kapanma işlemi olarak bilinir. Kenarların içerisindeki küçük boşlukları doldurur. iterations: işlemi kaç kez tekrarlayacağını belirler, burada 4 kez tekrarlıyoruz.
+
+    circles = cv2.HoughCircles( #Hough Dönüşümü ile daireleri algılıyoruz. 
+        closed_mask, 
+        cv2.HOUGH_GRADIENT,
+        dp=1,
+        minDist=200, 
+        param1=255,
+        param2=20,
+        minRadius=50,
+        maxRadius=5000
+    )
+
+    if circles is not None: # Eğer daireler algılandıysa, her bir daireyi çiziyoruz ve yarıçap bilgisini yazdırıyoruz.
+        circles = np.uint16(np.around(circles))
+        for circle in circles[0, :]:
+            cv2.circle(image, (circle[0], circle[1]), circle[2], (0, 255, 0), 2)
+            cv2.circle(image, (circle[0], circle[1]), 2, (0, 0, 255), 3)
+
+            radius_info = f"Radius: {circle[2]}"
+            text_size = cv2.getTextSize(radius_info, cv2.FONT_HERSHEY_SIMPLEX, 0.5, 2)[0]
+            text_x = circle[0] - text_size[0] // 2
+            text_y = circle[1] + circle[2] + text_size[1] + 5
+            cv2.putText(image, radius_info, (text_x, text_y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)
+
+    # Sonunda, detect edilen daireler ile görüntüyü kaydediyoruz ve bununla ilgili kullanıcıyı bilgilendiriyoruz.
+    output_path = os.path.splitext(image_path)[0] + '_output.jpg'
+    cv2.imwrite(output_path, image)
+    cv2.imshow("Result", image)
+    print(f"Press any key to exit.")
+    cv2.waitKey(0)
+    cv2.destroyAllWindows()
+    print(f"Result image saved at: {output_path}")
+
+
+def main():
+    if (len(sys.argv) < 2):
+        print("Usage of this code: python3 circle_detection.py <image_path>")
+        sys.exit(1)
+    else:
+        if len(sys.argv[1]) <= 2:
+            print("Usage of this code: python3 circle_detection.py <image_path>")
+            sys.exit(1)
+        else:
+            image = sys.argv[1]
+            circle_detect(image)
+
+
+    if len(sys.argv) < 2:
+        print("Kullanım: python3 circle_detection.py <label_folder>")
+        sys.exit(1)
+
+    
+
+if __name__ == "__main__":
+    main()

circle_detection.py

@@ -0,0 +1,2 @@
+opencv-python
+numpy