matlab文件hough圆检测

function   [hough_spacehough_circlepara]=hough_circle（BWstep_rstep_angler_minr_maxp） 
% input
% BW:二值图像；
% step_r:检测的圆半径步长
% step_angle:角度步长，单位为弧度
% r_min:最小圆半径
% r_max:最大圆半径
%p:以p*hough_space的最大值为阈值，p取0，1之间的数
%
% output
% hough_space:参数空间，h（abr）表示圆心在（ab）半径为r的圆上的点数
% hough_circl:二值图像，检测到的圆
% para:检测到的圆的圆心、半径
[mn] = size（BW）;
size_r = round（（r_max-r_min）/step_r）+1;
size_angle = round（2*pi/step_angle）;
hough_space = zeros（mnsize_r）;
[rowscols] = find（BW）
ecount = size（rows）;
% Hough变换
% 将图像空间（xy）对应到参数空间（abr）
% a = x-r*cos（angle）
% b = y-r*sin（angle）
for i=1:ecount
    for r=1:size_r
        for k=1:size_angle
            a = round（rows（i）-（r_min+（r-1）*step_r）*cos（k*step_angle））;
            b = round（cols（i）-（r_min+（r-1）*step_r）*sin（k*step_angle））;
            if（a>0&a<=m&b>0&b<=n）
                hough_space（abr） = hough_space（abr）+1;
            end
        end
    end
end
% 搜索超过阈值的聚集点
max_para = max（max（max（hough_space）））;
index = find（hough_space>=max_para*p）;
length = size（index）;
hough_circle = false（mn）;
for i=1:ecount
    for k=1:length
        par3 = floor（index（k）/（m*n））+1;
        par2 = floor（（index（k）-（par3-1）*（m*n））/m）+1;  
        par1 = index（k）-（