OpenCV半小时掌握基本操作之直线检测 OpenCV半小时掌握基本操作之直

概述
霍夫直线变换
原理详解
代码实战

HoughLines
HoughLinesP

【OpenCV】 ??高手勿入! 半小时学会基本操作 ?? 直线检测

概述 OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界. (第 13 课)

霍夫直线变换霍夫变换 (Hough Line Transform) 是图像处理中的一种特征提取技术. 通过平面空间到极值坐标空间的转换, 可以帮助我们实现直线检测. 如图:

文章图片

原理详解当我们把直线 y = kx + b 画在指标坐标系上, 如下图. 我们再从原点引线段到直线上的任一点.

文章图片

【OpenCV半小时掌握基本操作之直线检测】我们可以得到这条线段与 x 轴的夹角为 θ, 距离是 r. 对于直线上的任一点 (x0, y0), 我们可以得到公式:

文章图片

代码实战
HoughLines
格式:

cv2.HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None)

参数:

image: 输入图像
rho: 线性搜索半径步长, 以像素为单位
theta: 线性搜索步长, 以弧度为单位
threshold: 累计阈值

例子:

import numpy as npimport cv2from matplotlib import pyplot as plt# 读取图片image = cv2.imread("sudoku.jpg")image_copy = image.copy()# 转换成灰度图image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 边缘检测, Sobel算子大小为3edges = cv2.Canny(image_gray, 170, 220, apertureSize=3)# 霍夫曼直线检测lines = cv2.HoughLines(edges, 1, np.pi / 180, 250)# 遍历for line in lines:# 获取rho和thetarho, theta = line[0]a = np.cos(theta)b = np.sin(theta)x0 = a * rhoy0 = b * rhox1 = 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)# 图片展示f, ax = plt.subplots(2, 2, figsize=(12, 12))# 子图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))# 标题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()

输出结果:

文章图片

文章图片

HoughLinesP
此函数在 HoughLines 的基础上末尾加了一个代表概率 (Probabilistic) 的 P, 表明它可以采用累计概率霍夫变换, 来找出二值图像中的直线.
格式:

HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None)

参数:

image: 输入图像
rho: 线性搜索半径步长, 以像素为单位
theta: 线性搜索步长, 以弧度为单位
threshold: 累计阈值
minLineLength: 最短直线长度
maxLineGap: 最大孔隙距离

例子:

import numpy as npimport cv2from matplotlib import pyplot as plt# 读取图片image = cv2.imread("sudoku.jpg")image_copy = image.copy()# 转换成灰度图image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 边缘检测, Sobel算子大小为3edges = cv2.Canny(image_gray, 170, 220, apertureSize=3)# 霍夫曼直线检测lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=100, maxLineGap=10)# 遍历for line in lines:# 获取坐标x1, y1, x2, y2 = line[0]cv2.line(image_copy, (x1, y1), (x2, y2), (0, 0, 255), thickness=5)# 图片展示f, ax = plt.subplots(2, 2, figsize=(12, 12))# 子图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))# 标题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()

输出结果: