python 用opencv實現霍夫線變換
阿新 • • 發佈:2020-11-28
霍夫變換是一種檢測任何形狀的流行技術,可以檢測形狀,即使它被破壞或扭曲一點點.
一條線可以表示成y = mx + c或引數形式,像ρ=xcosθ+ysinθ,其中ρ是從原點到直線的垂直距離,θ角是由這條垂線和水平軸以逆時針的方向形成的(這個方向取決於你如何表示座標系統,這種表示法在OpenCV中使用)
OpenCV中的Hough變換
cv.HoughLines()
第一個引數,輸入影象應該是一個二值影象,因此在應用hough變換之前應用閾值或使用Canny邊緣檢測.
第二和第三個引數分別是ρ和θ的精度.
第四個引數是閾值,這意味著它應該被視為一條直線.
記住,選票的數量取決於直線上的點的數量,所以它表示應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),(0,255),2) cv2.imshow('show',img) cv2.waitKey()
概率Hough變換
在hough轉換中,你可以看到,即使對於一個有兩個引數的線,它也需要大量的計算.概率Hough變換是我們所見的Hough變換的一個優化,它並沒有把所有的要點都考慮進去,相反,它只需要一個隨機子集,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,apertureSize=3) lines = cv2.HoughLinesP(edges,100,minLineLength=100,maxLineGap=10) for line in lines: x1,y1,x2,y2 = line[0] cv2.line(img,255,0),img) cv2.waitKey()
以上就是python 用opencv實現霍夫線變換的詳細內容,更多關於python 實現霍夫線變換的資料請關注我們其它相關文章!