您好,登錄后才能下訂單哦!
這篇文章主要介紹了Python OpenCV Hough直線檢測算法如何實現的相關知識,內容詳細易懂,操作簡單快捷,具有一定借鑒價值,相信大家閱讀完這篇Python OpenCV Hough直線檢測算法如何實現文章都會有所收獲,下面我們一起來看看吧。
核心要點:圖像坐標空間、參數空間、極坐標參數空間 -> (極坐標)參數空間表決
給定一個點,我們一般會寫成y=ax+b的形式,這是坐標空間的寫法;我們也可以寫成b=-xa+y的形式,這是參數空間的寫法。也就是說,給定一個點,那么經過該點的直線的參數必然滿足b=-xa+y這一條件,也就是必然在參數空間中b=-xa+y這條直線上。如果給定兩個點,那么這兩點確定的唯一的直線的參數,就是參數空間中兩條參數直線的交點。
由于上述寫法不適合處理水平或垂直的直線,我們可以使用極坐標的形式描述直線,即ρ=xcosθ+ysinθ,其中ρ是從原點到直線的垂直距離,θ是由這條垂直線和水平軸形成的角度(以逆時針方向測量),
如下圖所示:
因此,任何垂直線θ=0,水平線θ=90°。那么極坐標參數空間中的曲線交點就是由兩個點確定的一條直線,如下圖所示。
現在讓我們看看Hough變換是如何處理直線的。任何一條線都可以用這兩個參數來表示(ρ,θ)。
首先創建一個二維數組,即累加器,用來保存兩個參數的值,然后最初將其設置為全0。讓行表示ρ,列表示θ。數組的尺寸取決于所需的精度。假設希望角度的精度為1度,則需要180列,枚舉0°-179°的所有情況。對于ρ,可能的最大距離是圖像的對角線長度。因此,以一個像素的精度計算,行數可以是圖像的對角線長度。
枚舉所有的點,對于每一個點,將所有經過這一點的直線對應的參數(ρ,θ)在參數空間中找到對應位置,令該位置的累加器加1,即投票。這一過程如下圖所示。
枚舉完成所有點之后,累加器中值最大的(若干個)參數組合(ρ,θ)就是經過點最多的(若干條)直線,如下圖所示,兩條直線對應累加器中最亮的兩個點。
總的來說,對于多個點,我們可以用(離散)參數空間表決的方法,記錄每個點對應的允許的參數組合,求得那些被允許次數最多的參數組合,就是最多點經過的直線。
在圖像矯正任務中,我們經過Canny算子檢測出了若干邊緣點,這些點主要集中在四個邊界上,因此我們只需要使用Hough直線檢測,求出四條直線,就能確定四個邊界。
cv.HoughLines()封裝了上述步驟,該函數原型為:
cv.HoughLines(image, rho, theta, threshold[, lines[, srn[, stn[, min_theta[, max_theta]]]]]) -> lines
參數:
lines:數組,每一個元素都是一條直線對應的(ρ, θ),ρ以像素為單位,θ以弧度為單位。
image:輸入圖像,需要是二值圖像,所以在應用hough變換之前應用閾值或canny邊緣檢測。
rho:ρ的精度。
theta:θ的精度。
threshold:閾值,得票數高于該值的線才被認為是線,由于投票數取決于線上的點數,所以它代表了應該被檢測到的線的最小點數。
下面是具體代碼:
def hough_detect(image_path): # 讀取圖像并轉換為灰度圖像 image = cv2.imread(image_path) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 使用Canny算子檢測邊緣 edges = canny_detect(image_path, False) # 使用Hough檢測直線 lines = cv2.HoughLines(edges, 1, np.pi/180, 200) # 繪制直線 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(image, (x1, y1), (x2, y2), (0, 0, 255), 2) cv2.imshow('line,jpg', image) cv2.waitKey() hough_detect('images/2.jpeg')
效果:
關于“Python OpenCV Hough直線檢測算法如何實現”這篇文章的內容就介紹到這里,感謝各位的閱讀!相信大家對“Python OpenCV Hough直線檢測算法如何實現”知識都有一定的了解,大家如果還想學習更多知識,歡迎關注億速云行業資訊頻道。
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。