詳解在Python中使用OpenCV進(jìn)行直線檢測(cè)

更新時(shí)間：2022年03月02日 08:32:52 作者：趙卓不凡

在圖像處理中，直線檢測(cè)是一種常見(jiàn)的算法，它通常獲取n個(gè)邊緣點(diǎn)的集合，并找到通過(guò)這些邊緣點(diǎn)的直線。本文將介紹如何在Python中利用OpenCV進(jìn)行直線檢測(cè)，需要的可以參考一下

1. 引言

在圖像處理中，直線檢測(cè)是一種常見(jiàn)的算法，它通常獲取n個(gè)邊緣點(diǎn)的集合，并找到通過(guò)這些邊緣點(diǎn)的直線。其中用于直線檢測(cè)，最為流行的檢測(cè)器是基于霍夫變換的直線檢測(cè)技術(shù)。

2. 霍夫變換

霍夫變換是圖像處理中的一種特征提取方法，可以識(shí)別圖像中的幾何形狀。它將在參數(shù)空間內(nèi)進(jìn)行投票來(lái)決定其物體形狀，通過(guò)檢測(cè)累計(jì)結(jié)果找到一極大值所對(duì)應(yīng)的解，利用此解即可得到一個(gè)符合特定形狀的參數(shù)。

在使用霍夫變換偵測(cè)直線前，須先利用邊緣檢測(cè)算法來(lái)減少圖像的數(shù)據(jù)量、剔掉不相關(guān)的信息，保留圖像中重要的結(jié)構(gòu)特征。

3. 舉個(gè)栗子

3.1 讀入圖像進(jìn)行灰度化

首先我們讀入樣例測(cè)試圖像，然后利用cvtColor()函數(shù)進(jìn)行灰度化操作，樣例代碼如下：

im = cv2.imread("./ladder.png")
gray_img = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

運(yùn)行結(jié)果如下：

上圖中左側(cè)為彩色原圖，右側(cè)為執(zhí)行灰度化后的灰度圖。

3.2 執(zhí)行邊緣檢測(cè)

接著我們來(lái)利用邊緣檢測(cè)算法（Canny、Sobel、Laplacian等）來(lái)檢測(cè)物體邊緣，樣例代碼如下：

canny = cv2.Canny(gray_img, 30, 150)

運(yùn)行結(jié)果如下：

3.3 進(jìn)行霍夫變換

最后，我們使用霍夫變換來(lái)得出直線檢測(cè)結(jié)果，樣例代碼如下：

lines = cv2.HoughLines(canny, 1, np.pi / 180, 180)
lines1 = lines[:, 0, :]
for rho, theta in lines1[:]:
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a * rho
    y0 = b * rho
    x1 = int(x0 + 3000 * (-b))
    y1 = int(y0 + 3000 * (a))
    x2 = int(x0 - 3000 * (-b))
    y2 = int(y0 - 3000 * (a))
    cv2.line(im, (x1, y1), (x2, y2), (0, 0, 255), 2)

運(yùn)行結(jié)果如下：

可以看出，通過(guò)簡(jiǎn)單的幾步操作，我們就可以很方便的檢測(cè)出圖像中的所有直線。

補(bǔ)充

當(dāng)然Python利用OpenCV不僅能檢測(cè)直線，還能檢測(cè)出直線傾斜角度。下面是實(shí)現(xiàn)的核心代碼

import cv2
import numpy as np

def line_detect(image):
  # 將圖片轉(zhuǎn)換為HSV
  hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
  # 設(shè)置閾值
  lowera = np.array([0, 0, 221])
  uppera = np.array([180, 30, 255])
  mask1 = cv2.inRange(hsv, lowera, uppera)
  kernel = np.ones((3, 3), np.uint8)

  # 對(duì)得到的圖像進(jìn)行形態(tài)學(xué)操作（閉運(yùn)算和開(kāi)運(yùn)算）
  mask = cv2.morphologyEx(mask1, cv2.MORPH_CLOSE, kernel) #閉運(yùn)算：表示先進(jìn)行膨脹操作，再進(jìn)行腐蝕操作
  mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)  #開(kāi)運(yùn)算：表示的是先進(jìn)行腐蝕，再進(jìn)行膨脹操作

  # 繪制輪廓
  edges = cv2.Canny(mask, 50, 150, apertureSize=3)
  # 顯示圖片
  cv2.imshow("edges", edges)
  # 檢測(cè)白線  這里是設(shè)置檢測(cè)直線的條件，可以去讀一讀HoughLinesP()函數(shù)，然后根據(jù)自己的要求設(shè)置檢測(cè)條件
  lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 40,minLineLength=10,maxLineGap=10)
  print "lines=",lines
  print "========================================================"
  i=1
  # 對(duì)通過(guò)霍夫變換得到的數(shù)據(jù)進(jìn)行遍歷
  for line in lines:
    # newlines1 = lines[:, 0, :]
    print "line["+str(i-1)+"]=",line
    x1,y1,x2,y2 = line[0]  #兩點(diǎn)確定一條直線，這里就是通過(guò)遍歷得到的兩個(gè)點(diǎn)的數(shù)據(jù) （x1,y1）(x2,y2)
    cv2.line(image,(x1,y1),(x2,y2),(0,0,255),2)   #在原圖上畫(huà)線
    # 轉(zhuǎn)換為浮點(diǎn)數(shù)，計(jì)算斜率
    x1 = float(x1)
    x2 = float(x2)
    y1 = float(y1)
    y2 = float(y2)
    print "x1=%s,x2=%s,y1=%s,y2=%s" % (x1, x2, y1, y2)
    if x2 - x1 == 0:
      print "直線是豎直的"
      result=90
    elif y2 - y1 == 0 :
      print "直線是水平的"
      result=0
    else:
      # 計(jì)算斜率
      k = -(y2 - y1) / (x2 - x1)
      # 求反正切，再將得到的弧度轉(zhuǎn)換為度
      result = np.arctan(k) * 57.29577
      print "直線傾斜角度為：" + str(result) + "度"
    i = i+1
  #   顯示最后的成果圖
  cv2.imshow("line_detect",image)
  return result

if __name__ == '__main__':
  # 讀入圖片
  src = cv2.imread("lines/line6.jpg")
  # 設(shè)置窗口大小
  cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
  # 顯示原始圖片
  cv2.imshow("input image", src)
  # 調(diào)用函數(shù)
  line_detect(src)
  cv2.waitKey(0)

到此這篇關(guān)于詳解在Python中使用OpenCV進(jìn)行直線檢測(cè)的文章就介紹到這了,更多相關(guān)Python OpenCV直線檢測(cè)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)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: