OpenCV半小時掌握基本操作之直線檢測

更新時間：2021年09月01日 11:06:49 作者：我是小白呀

這篇文章主要介紹了OpenCV基本操作之直線檢測，本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下

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)

在這里插入圖片描述

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(shù). 通過平面空間到極值坐標(biāo)空間的轉(zhuǎn)換, 可以幫助我們實現(xiàn)直線檢測. 如圖:

在這里插入圖片描述

原理詳解

當(dāng)我們把直線 y = kx + b 畫在指標(biāo)坐標(biāo)系上, 如下圖. 我們再從原點引線段到直線上的任一點.

在這里插入圖片描述

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:

在這里插入圖片描述

代碼實戰(zhàn)

HoughLines

格式:

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

參數(shù):

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(zhuǎn)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(biāo)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(jié)果:

在這里插入圖片描述

HoughLinesP

此函數(shù)在 HoughLines 的基礎(chǔ)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(shù):

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(zhuǎn)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(biāo)
    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(biāo)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(jié)果:

在這里插入圖片描述