快捷導(dǎo)航

python 用opencv實(shí)現(xiàn)霍夫線變換

更新時(shí)間：2020年11月27日 10:47:49 作者：sakurala

這篇文章主要介紹了python 如何用opencv實(shí)現(xiàn)霍夫線變換，幫助大家更好的理解和使用python處理圖片，感興趣的朋友可以了解下

霍夫變換是一種檢測任何形狀的流行技術(shù)，可以檢測形狀，即使它被破壞或扭曲一點(diǎn)點(diǎn).
一條線可以表示成y = mx + c或參數(shù)形式，像ρ=xcosθ+ysinθ，其中ρ是從原點(diǎn)到直線的垂直距離，θ角是由這條垂線和水平軸以逆時(shí)針的方向形成的(這個(gè)方向取決于你如何表示坐標(biāo)系統(tǒng)，這種表示法在OpenCV中使用）

OpenCV中的Hough變換

cv.HoughLines()
第一個(gè)參數(shù)，輸入圖像應(yīng)該是一個(gè)二值圖像，因此在應(yīng)用hough變換之前應(yīng)用閾值或使用Canny邊緣檢測.
第二和第三個(gè)參數(shù)分別是ρ和θ的精度.
第四個(gè)參數(shù)是閾值，這意味著它應(yīng)該被視為一條直線.
記住，選票的數(shù)量取決于直線上的點(diǎn)的數(shù)量,所以它表示應(yīng)該檢測到的最小長度.

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('img.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)

lines = cv2.HoughLines(edges,1,np.pi/180,200)
for line in lines:
  rho,theta = line[0]
  a = np.cos(theta)
  b = np.sin(theta)
  x0 = a*rho
  y0 = b*rho
  x1 = int(x0 + 1000*(-b))
  y1 = int(y0 + 1000*(a))
  x2 = int(x0 - 1000*(-b))
  y2 = int(y0 - 1000*(a))

  cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)

cv2.imshow('show',img)
cv2.waitKey()

概率Hough變換

在hough轉(zhuǎn)換中，你可以看到，即使對于一個(gè)有兩個(gè)參數(shù)的線，它也需要大量的計(jì)算.概率Hough變換是我們所見的Hough變換的一個(gè)優(yōu)化,它并沒有把所有的要點(diǎn)都考慮進(jìn)去,相反，它只需要一個(gè)隨機(jī)子集，對行檢測來說足夠.

cv2.HoughLinesP(image, rho, theta, threshold[, lines[, minLineLength[, maxLineGap]]])

minLineLength：最小長度的線。比這更短的線段被拒絕了。
maxLineGap：最大限度允許線段之間的間隙把它們當(dāng)作一條線來對待

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('img.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 50, 150, apertureSize=3)
lines = cv2.HoughLinesP(edges, 1, np.pi/180,100, minLineLength=100, maxLineGap=10)
for line in lines:
  x1, y1, x2, y2 = line[0]
  cv2.line(img, (x1, y1), (x2, y2), (0,255,0), 2)

cv2.imshow('show',img)
cv2.waitKey()