【OpenCV】 ⚠️高手勿入! 半小時學會基本操作 ⚠️ 直線檢測
概述
OpenCV 是一個跨平臺的計算機視覺庫, 支持多語言, 功能強大. 今天小白就帶大家一起攜手走進 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. 通過平面空間到極值坐標空間的轉換, 可以幫助我們實現直線檢測. 如圖:
原理詳解
當我們把直線 y = kx + b 畫在指標坐標系上, 如下圖. 我們再從原點引線段到直線上的任一點.
我們可以得到這條線段與 x 軸的夾角為 θ, 距離是 r. 對于直線上的任一點 (x0, y0), 我們可以得到公式:
代碼實戰
HoughLines
格式:
cv2.HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None)
參數:
- image: 輸入圖像
- rho: 線性搜索半徑步長, 以像素為單位
- theta: 線性搜索步長, 以弧度為單位
- threshold: 累計閾值
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()
# 轉換成灰度圖
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 邊緣檢測, Sobel算子大小為3
edges = cv2.Canny(image_gray, 170, 220, apertureSize=3)
# 霍夫曼直線檢測
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()
輸出結果:
HoughLinesP
此函數在 HoughLines 的基礎上末尾加了一個代表概率 (Probabilistic) 的 P, 表明它可以采用累計概率霍夫變換, 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:
- image: 輸入圖像
- rho: 線性搜索半徑步長, 以像素為單位
- theta: 線性搜索步長, 以弧度為單位
- threshold: 累計閾值
- minLineLength: 最短直線長度
- 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()
# 轉換成灰度圖
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 邊緣檢測, Sobel算子大小為3
edges = cv2.Canny(image_gray, 170, 220, apertureSize=3)
# 霍夫曼直線檢測
lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=100, maxLineGap=10)
# 遍歷
for line in lines:
# 獲取坐標
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()
輸出結果:
到此這篇關于OpenCV半小時掌握基本操作之直線檢測的文章就介紹到這了,更多相關OpenCV直線檢測內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關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半小時掌握基本操作之分水嶺算法
- 最簡單的javascript對象實例代碼
- OpenCV半小時掌握基本操作之傅里葉變換
- OpenCV半小時掌握基本操作之圖像輪廓
- OpenCV半小時掌握基本操作之直方圖
- OpenCV半小時掌握基本操作之模板匹配
- OpenCV半小時掌握基本操作之圓圈檢測
- OpenCV半小時掌握基本操作之對象測量
- OpenCV半小時掌握基本操作之像素加減乘除&邏輯運算
