霍夫變換---OpenCV-Python開發指南（35）

目錄

什么是霍夫變換

HoughLines函數

HoughLines實戰

HoughLinesP實戰

HoughCircles實戰

什么是霍夫變換

霍夫變換是一種在圖像中尋找直線，圓形以及其他簡單形狀的方法。霍夫變換采用類似于投票的方式來獲取當前圖像內的形狀集合，該變換由Paul Hough（霍夫）于1962年首次提出。

最初的霍夫變換只能用于檢測直線，經過發展后，霍夫變換不僅能夠識別直線，還能識別其他簡單的圖形結構，常見的有圓形，橢圓等。

HoughLines函數

在OpenCV中，它給我們提供了cv2.HoughLines()函數來實現霍夫直線變換，該函數要求所有操作的原圖是一個二值圖像，所以在進行霍夫變換之前，需要將圖像進行二值化處理。或者進行Canny邊緣檢測。

其完整定義如下：

def HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None):

1

image：原始圖形，必須是8位單通道的二值圖像

rho：以像素為單位的距離r的精度。一般情況下，使用的精度是1

theta：為角度θ的精度。一般情況下，使用的精度是Π/180，表示要搜索所有可能的角度

threshold：閾值。該值越小，判定出直線就越多。識別直線時，要判定多少個點位于該直線上。在判定直線是否存在時，對直線所穿過的點的數量進行評估，如果直線所穿過的點的數量小于閾值，則認為這些點恰好在算法構成直線，但是在原始圖像中該直線并不存在；如果大于閾值，則認為直線存在。所以，如果閾值越小，就會得到較多的直線；閾值越大，就會得到較少的直線

lines：返回值，它的每個元素都是一對浮點數，表示檢測到的直線的參數，即（r,θ）。是numpy.ndarray類型。

HoughLines實戰

了解了函數常用的參數之后。下面，我們通過一個棋盤來進行霍夫變換。代碼如下：

import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread("35.jpg") plt.subplot(121) plt.imshow(img, cmap="gray") plt.axis('off') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray, 50, 150, apertureSize=3) lines = cv2.HoughLines(edges, 1, np.pi / 180, 140) 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, 0), 2) plt.subplot(122) plt.imshow(img, cmap="gray") plt.axis('off') plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

運行之后，效果如下：

HoughLinesP實戰

使用HoughLines雖然可以完成霍夫變換，但其本身存在非常嚴重的誤檢測。為了解決這個問題，OpenCV加入了概率霍夫變換函數cv2.HoughLinesP()函數。

其完整定義如下：

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

1

image：原始圖像，比如為8位單通道二值圖像

rho：同上

theta：同上

threshold：同上

lines：同上

minLineLength：用來控制”接受直線的最小長度“的值。默認值為0

maxLineGap：用來控制接受共線線段之間的最小間隔，即在一條直線中兩點的最大間隔。如果兩點間的間隔超過了參數maxLineGap的值，就認為這兩點不在一條直線上。默認值為0

將上面的例子，使用HoughLinesP改進以下：

import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread("35.jpg") plt.subplot(121) plt.imshow(img, cmap="gray") plt.axis('off') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray, 50, 150, apertureSize=3) lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 10, 10) for line in lines: x1, y1, x2, y2 = line[0] cv2.line(img, (x1, y1), (x2, y2), (255, 0, 0), 5) plt.subplot(122) plt.imshow(img, cmap="gray") plt.axis('off') plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

運行之后，效果如下：

可以看到，這里我們通過函數HoughLinesP，將棋盤線完整的全標記出來了。

HoughCircles實戰

霍夫變換出來用來檢測直線外，我們還可以用來檢測其他的幾何對象。實際上，只要是能用一個方程式表示的對象，都適合用霍夫變換來檢測。

其中，我們就可以使用霍夫圓變換來檢測圖像中的圓。這里我們只需要考慮圓心坐標（x，y）與半徑r共3個參數。

在OpenCV中要經過2個步驟：

找出可能存在圓的位置（圓心）

根據1計算半徑

在OpenCV中，它給我們提供的霍夫圓變換函數為cv2.HoughCircle()。該函數也是將Canny邊緣檢測與霍夫變換結合，唯一的區別是，不要我們進行Canny邊緣檢測，該函數自動先進行Canny邊緣檢測。

其完整定義如下：

def HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None):

1

image：原始圖像，8位單通道灰度圖像

method：檢測方法，HOUGH_GRADIENT是唯一可用的參數值。該參數代表霍夫圓檢測中兩輪檢測所使用的方法

dp：累計器分辨率，它是一個分割比例，用來指定圖像分辨率與圓心累加器分辨率的比例。例如，如果dp=1，則輸入圖像和累加器具有相同的分辨率

minDist：圓心間最小間距。該值被作為閾值來使用，如果存在圓心間距小于該值的多個圓，則僅有一個會被檢測出來。因此，如果該值太小，則會有很多臨近的圓被檢測出來；如果該值很大，則可能會在檢測時漏掉很多圓

circles：返回值，有圓心坐標和半徑構成的numpy.ndarray類型。

param1：該參數缺省，默認100。它對應的是Canny邊緣檢測器的高閾值（低閾值是高閾值的二分之一）

param2：圓心位置必須受到的投票數。只有在第1論篩選的過程中，投票數超過該值的圓，才有資格進入第2輪的篩選。因此，該值越大，檢測到的圓越少；該值越小，檢測到的圓越多。也是缺省值，默認100

minRadius：圓半徑最小值，小于該值的圓不會被檢測出來。也是缺省值，默認0，不起作用

maxRadius：圓半徑的最大值，大于該值的圓不會被檢測出來。也是缺省值，默認0，不起作用

下面，我們來用一個奧運五環的照片，進行霍夫圓變換。代碼如下：

import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread("35_1.jpg") plt.subplot(121) plt.imshow(img, cmap="gray") plt.axis('off') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 300, param1=50, param2=20,minRadius=0,maxRadius=0) circles = np.uint16(np.around(circles)) for i in circles[0, :]: cv2.circle(img, (i[0], i[1]), i[2], (255, 0, 0), 12) cv2.circle(img, (i[0], i[1]), 2, (255, 0, 0), 12) plt.subplot(122) plt.imshow(img, cmap="gray") plt.axis('off') plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

運行之后，效果如下：

OpenCV Python

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。