目錄
- 概述
- 霍夫直線變換
- 原理詳解
- 代碼實(shí)戰(zhàn)
【OpenCV】 ⚠️高手勿入! 半小時(shí)學(xué)會(huì)基本操作 ⚠️ 直線檢測(cè)
概述
OpenCV 是一個(gè)跨平臺(tái)的計(jì)算機(jī)視覺庫, 支持多語言, 功能強(qiáng)大. 今天小白就帶大家一起攜手走進(jìn) OpenCV 的世界. (第 13 課)
霍夫直線變換
霍夫變換 (Hough Line Transform) 是圖像處理中的一種特征提取技術(shù). 通過平面空間到極值坐標(biāo)空間的轉(zhuǎn)換, 可以幫助我們實(shí)現(xiàn)直線檢測(cè). 如圖:
原理詳解
當(dāng)我們把直線 y = kx + b 畫在指標(biāo)坐標(biāo)系上, 如下圖. 我們?cè)購(gòu)脑c(diǎn)引線段到直線上的任一點(diǎn).
我們可以得到這條線段與 x 軸的夾角為 θ, 距離是 r. 對(duì)于直線上的任一點(diǎn) (x0, y0), 我們可以得到公式:
代碼實(shí)戰(zhàn)
HoughLines
格式:
cv2.HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None)
參數(shù):
- image: 輸入圖像
- rho: 線性搜索半徑步長(zhǎng), 以像素為單位
- theta: 線性搜索步長(zhǎng), 以弧度為單位
- threshold: 累計(jì)閾值
例子:
import numpy as np
import cv2
from matplotlib import pyplot as plt
# 讀取圖片
image = cv2.imread("sudoku.jpg")
image_copy = image.copy()
# 轉(zhuǎn)換成灰度圖
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 邊緣檢測(cè), Sobel算子大小為3
edges = cv2.Canny(image_gray, 170, 220, apertureSize=3)
# 霍夫曼直線檢測(cè)
lines = cv2.HoughLines(edges, 1, np.pi / 180, 250)
# 遍歷
for line in lines:
# 獲取rho和theta
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(image_copy, (x1, y1), (x2, y2), (0, 0, 255), thickness=5)
# 圖片展示
f, ax = plt.subplots(2, 2, figsize=(12, 12))
# 子圖
ax[0, 0].imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
ax[0, 1].imshow(image_gray, "gray")
ax[1, 0].imshow(edges, "gray")
ax[1, 1].imshow(cv2.cvtColor(image_copy, cv2.COLOR_BGR2RGB))
# 標(biāo)題
ax[0, 0].set_title("original")
ax[0, 1].set_title("image gray")
ax[1, 0].set_title("image edge")
ax[1, 1].set_title("image line")
plt.show()
輸出結(jié)果:
HoughLinesP
此函數(shù)在 HoughLines 的基礎(chǔ)上末尾加了一個(gè)代表概率 (Probabilistic) 的 P, 表明它可以采用累計(jì)概率霍夫變換, 來找出二值圖像中的直線.
格式:
HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None)
參數(shù):
- image: 輸入圖像
- rho: 線性搜索半徑步長(zhǎng), 以像素為單位
- theta: 線性搜索步長(zhǎng), 以弧度為單位
- threshold: 累計(jì)閾值
- minLineLength: 最短直線長(zhǎng)度
- maxLineGap: 最大孔隙距離
例子:
import numpy as np
import cv2
from matplotlib import pyplot as plt
# 讀取圖片
image = cv2.imread("sudoku.jpg")
image_copy = image.copy()
# 轉(zhuǎn)換成灰度圖
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 邊緣檢測(cè), Sobel算子大小為3
edges = cv2.Canny(image_gray, 170, 220, apertureSize=3)
# 霍夫曼直線檢測(cè)
lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=100, maxLineGap=10)
# 遍歷
for line in lines:
# 獲取坐標(biāo)
x1, y1, x2, y2 = line[0]
cv2.line(image_copy, (x1, y1), (x2, y2), (0, 0, 255), thickness=5)
# 圖片展示
f, ax = plt.subplots(2, 2, figsize=(12, 12))
# 子圖
ax[0, 0].imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
ax[0, 1].imshow(image_gray, "gray")
ax[1, 0].imshow(edges, "gray")
ax[1, 1].imshow(cv2.cvtColor(image_copy, cv2.COLOR_BGR2RGB))
# 標(biāo)題
ax[0, 0].set_title("original")
ax[0, 1].set_title("image gray")
ax[1, 0].set_title("image edge")
ax[1, 1].set_title("image line")
plt.show()
輸出結(jié)果:
到此這篇關(guān)于OpenCV半小時(shí)掌握基本操作之直線檢測(cè)的文章就介紹到這了,更多相關(guān)OpenCV直線檢測(cè)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- OpenCV半小時(shí)掌握基本操作之分水嶺算法
- 最簡(jiǎn)單的javascript對(duì)象實(shí)例代碼
- OpenCV半小時(shí)掌握基本操作之傅里葉變換
- OpenCV半小時(shí)掌握基本操作之圖像輪廓
- OpenCV半小時(shí)掌握基本操作之直方圖
- OpenCV半小時(shí)掌握基本操作之模板匹配
- OpenCV半小時(shí)掌握基本操作之圓圈檢測(cè)
- OpenCV半小時(shí)掌握基本操作之對(duì)象測(cè)量
- OpenCV半小時(shí)掌握基本操作之像素加減乘除&邏輯運(yùn)算
