文章目录

前言
- 霍夫直线变换
- - cv2.HoughLines
  - cv2.HoughLinesP
  - skimage.transform.hough_line
- 霍夫直线检测的一个具体应用————地图上的道路检测
- - 导入资源并显示图像
  - 执行边缘检测
  - 使用Hough变换查找直线
  - 在霍夫空间中展示
- 霍夫圆变换
- - cv2.HoughCircles
- 霍夫圆变换的一个具体应用——硬币检测
- - import related libraries
  - load image
  - HoughCircles function
  - load image
  - Houghcircle detection

前言

霍夫变换是一种特征检测(feature extraction)，被广泛应用在图像分析（image analysis）、计算机视觉(computer vision)以及数位影像处理(digital image processing)。霍夫变换是用来辨别找出物件中的特征，例如：线条。他的算法流程大致如下，给定一个物件、要辨别的形状的种类，算法会在参数空间(parameter space)中执行投票来决定物体的形状，而这是由累加空间(accumulator space)里的局部最大值(local maximum)来决定。

霍夫直线变换

cv2.HoughLines

lines = cv2.HoughLines(edges,1,np.pi/180,200)

返回一组(rho, theta)列表。rho以像素为单位测量，并且theta以弧度为单位。

第一个参数，输入图像应该是一个二值图像，所以在应用霍夫变换之前应用阈值或使用精明的边缘检测（Canny）。

第二个和第三个参数分别是rho 和theta的精度。

第四个参数是阈值，这意味着它应该被视为一条线的最低投票数。投票数取决于线上的点数。所以它可能代表了应该检测的最小线长。

代码示例

import cv2
import numpy as npimg = cv2.imread('../data/sudoku.png')
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*rhoy0 = b*rhox1 = 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),(0,0,255),2)cv2.imwrite('houghlines3.jpg',img)

cv2.HoughLinesP

lines = cv2.HoughLinesP(edges, rho, theta, threshold, min_line_length, max_line_gap)

HoughLinesP(image, rho, theta, threshold, lines=…, minLineLength=…, maxLineGap=…)

rho参数表示参数极径 r 以像素值为单位的分辨率，这里一般使用 1 像素。

theta参数表示参数极角 \theta 以弧度为单位的分辨率，这里使用 1度。

threshold参数表示检测一条直线所需最少的曲线交点。

lines参数表示储存着检测到的直线的参数对 (x_{start}, y_{start}, x_{end}, y_{end}) 的容器，也就是线段两个端点的坐标。

minLineLength参数表示能组成一条直线的最少点的数量，点数量不足的直线将被抛弃。

maxLineGap参数表示能被认为在一条直线上的亮点的最大距离。

代码示例

rho = 1
theta = np.pi/180
threshold = 30
min_line_length = 50
max_line_gap = 20line_image = np.copy(image) #creating an image copy to draw lines on# Run Hough on the edge-detected image
lines = cv2.HoughLinesP(edges, rho, theta, threshold, np.array([]), min_line_length, max_line_gap)# Iterate over the output "lines" and draw lines on the image copy
for line in lines:for x1,y1,x2,y2 in line:cv2.line(line_image,(x1,y1),(x2,y2),(255,0,0),5)plt.figure(dpi=200, figsize=(3, 3))
plt.tick_params(labelsize=5)
plt.imshow(line_image)

skimage.transform.hough_line

h, angles, d = st.hough_line(img_edges)

h: 霍夫变换累积器

angles: 点与x轴的夹角集合，一般为0-179度

distance: 点到原点的距离

代码示例

import skimage.transform as sth, angles, d = st.hough_line(img_edges)print("hough space type:",type(h)," data type:",h.dtype," shape: ",h.shape," dimension: ",h.ndim," max:",np.max(h)," min:",np.min(h))
print("angles space type:",type(angles)," data type:",angles.dtype," shape: ",angles.shape," dimension: ",angles.ndim)
print("dist space type:",type(d)," data type:",d.dtype," shape: ",d.shape," dimension: ",d.ndim," max:",np.max(d)," min:",np.min(d))import math
hough_d = math.sqrt(wide**2 + height**2)
print("hough_d:",hough_d)angle_step = 0.5 * np.rad2deg(np.diff(angles).mean())
d_step = 0.5 * np.diff(d).mean()
# bounds = (np.rad2deg(angles[0]) - angle_step,
#           np.rad2deg(angles[-1]) + angle_step,
#           d[-1] + d_step, d[0] - d_step)
bounds = (np.rad2deg(angles[0]) + angle_step,np.rad2deg(angles[-1]) - angle_step,d[-1] - d_step, d[0] + d_step)
print("max angle",np.rad2deg(np.max(angles)),"min angle:",np.rad2deg(np.min(angles)))
print("max d",np.max(d),d[0],"min d",np.min(d),d[-1])plt.imshow(np.log(1+h),extent=bounds,cmap='gray')
# extent参数 x轴和y轴的极值，取值为一个长度为4的元组或列表，其中，前两个数值对应x轴的最小值和最大值，后两个参数对应y轴的最小值和最大值

霍夫直线检测的一个具体应用————地图上的道路检测

导入资源并显示图像

import numpy as np
import matplotlib.pyplot as plt
import cv2%matplotlib inline# Read in the image
image = cv2.imread('map.jpg')# Change color to RGB (from BGR)
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)plt.imshow(image)

执行边缘检测

# Convert image to grayscale
gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)# Define our parameters for Canny
low_threshold = 100
high_threshold = 200
edges = cv2.Canny(gray, low_threshold, high_threshold)plt.imshow(edges, cmap='gray')

使用Hough变换查找直线

# Define the Hough transform parameters
# Make a blank the same size as our image to draw on
rho = 1
theta = np.pi/180
threshold = 30
min_line_length = 50
max_line_gap = 20line_image = np.copy(image) #creating an image copy to draw lines on# Run Hough on the edge-detected image
lines = cv2.HoughLinesP(edges, rho, theta, threshold, np.array([]), min_line_length, max_line_gap)# Iterate over the output "lines" and draw lines on the image copy
for line in lines:for x1,y1,x2,y2 in line:cv2.line(line_image,(x1,y1),(x2,y2),(255,0,0),5)plt.imshow(line_image)

lines

Output exceeds the size limit. Open the full output data in a text editor
array([[[ 77, 234, 599, 160]],[[400, 183, 459, 599]],[[312, 185, 363, 542]],[[  9,  30,  69, 453]],[[ 76, 244, 599, 170]],[[276,   0, 331, 388]],[[492, 274, 543, 599]],[[110,  78, 153, 384]],[[112,  19, 136, 196]],[[391, 187, 449, 596]],[[501, 269, 552, 597]],[[146, 513, 414, 431]],[[196,   0, 211, 102]],
...[[482, 132, 492, 207]],[[486, 229, 501, 329]],[[147, 337, 156, 404]]], dtype=int32)

在霍夫空间中展示

import numpy as np
import matplotlib.pyplot as pltfrom skimage.transform import hough_line
from skimage.draw import lineout, angles, d = hough_line(edges)plt.figure(figsize=(20, 10))
fix, axes = plt.subplots(1, 2, figsize=(7, 4))axes[0].imshow(image, cmap=plt.cm.gray)
axes[0].set_title('Input image')angle_step = 0.5 * np.rad2deg(np.diff(angles).mean())
d_step = 0.5 * np.diff(d).mean()
bounds = (np.rad2deg(angles[0]) - angle_step,np.rad2deg(angles[-1]) + angle_step,d[-1] + d_step, d[0] - d_step)print(np.max(angles),angles[0],np.min(angles),angles[-1])
print(np.max(d),d[0],np.min(d),d[-1])#axes[1].imshow(out, cmap=plt.cm.bone, extent=bounds)
hough_img = np.log(1+out)
hough_img = cv2.resize(hough_img, dsize=(1699, 1800), fx=5, fy=1)
axes[1].imshow(hough_img, cmap=plt.cm.bone, extent=bounds, aspect='auto')axes[1].set_title('Hough transform')
axes[1].set_xlabel('Angle (degree)')
axes[1].set_ylabel('Distance (pixel)')plt.show()

1.5533430342749535 -1.5707963267948966 -1.5707963267948966 1.5533430342749535
849.0 -849.0 -849.0 849.0

霍夫圆变换

cv2.HoughCircles

circles = cv2.HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None)

其中：

image:8位，单通道图像。如果使用彩色图像，需要先转换为灰度图像。

method：定义检测图像中圆的方法。目前唯一实现的方法是cv2.HOUGH_GRADIENT。

dp：累加器分辨率与图像分辨率的反比。dp获取越大，累加器数组越小。

minDist：检测到的圆的中心，（x,y）坐标之间的最小距离。如果minDist太小，则可能导致检测到多个相邻的圆。如果minDist太大，则可能导致很多圆检测不到。

param1：用于处理边缘检测的梯度值方法。

param2：cv2.HOUGH_GRADIENT方法的累加器阈值。阈值越小，检测到的圈子越多。

minRadius：半径的最小大小（以像素为单位）。

maxRadius：半径的最大大小（以像素为单位）。

代码示例

circles_im=np.copy(img_copy)
circles=cv2.HoughCircles(gray_blur,cv2.HOUGH_GRADIENT,1,minDist=80,param1=70,param2=20,minRadius=100,maxRadius=150)circles=np.around(circles).astype('int')
# print(circles)
for i in circles[0]:# print(i)cv2.circle(circles_im,(i[0],i[1]),i[2],(255,0,0),5)cv2.circle(circles_im,(i[0],i[1]),2,(0,255,0),10)plt.imshow(circles_im)

霍夫圆变换的一个具体应用——硬币检测

import related libraries

import cv2
import numpy as np
import matplotlib.pyplot as plt%matplotlib inline

load image

img = cv2.imread('coins.png')
img_copy=np.copy(img)
img_copy=cv2.cvtColor(img_copy,cv2.COLOR_BGR2RGB)
img_gray=cv2.cvtColor(img_copy,cv2.COLOR_RGB2GRAY)gray_blur=cv2.GaussianBlur(img_gray,(21,21),cv2.BORDER_DEFAULT)plt.imshow(img_copy,cmap='gray')
print(gray_blur.shape)

(639, 1056)

HoughCircles function

The HoughCircles function will receive the following variables as its parameters:

An image, detection method (Hough gradient), resolution factor between detection and image (1),
minDist-the minimum distance between circle and circle
param1-the larger value to perform Canny edge detection
param2-threshold for circle detection, smaller value -> more circles will be detected
min / max Radius-the minimum and maximum radius of the detected circle

circles_im=np.copy(img_copy)
# TODO
circles=cv2.HoughCircles(gray_blur,cv2.HOUGH_GRADIENT,1,minDist=80,param1=70,param2=20,minRadius=100,maxRadius=150)circles=np.around(circles).astype('int')
# print(circles)
for i in circles[0]:# print(i)cv2.circle(circles_im,(i[0],i[1]),i[2],(255,0,0),5)cv2.circle(circles_im,(i[0],i[1]),2,(0,255,0),10)plt.imshow(circles_im)

load image

img = cv2.imread('twoCoins.png')
img_copy=np.copy(img)
img_copy=cv2.cvtColor(img_copy,cv2.COLOR_BGR2RGB)
img_gray=cv2.cvtColor(img_copy,cv2.COLOR_RGB2GRAY)gray_blur=cv2.GaussianBlur(img_gray,(21,21),cv2.BORDER_DEFAULT)plt.imshow(img_copy,cmap='gray')
print(gray_blur.shape)

(552, 931)

Houghcircle detection

circles_im=np.copy(img_copy)
# TODO
circles=cv2.HoughCircles(gray_blur,cv2.HOUGH_GRADIENT,1,minDist=90,param1=50,param2=20,minRadius=200,maxRadius=220)circles=np.around(circles).astype('int')
print(circles[0])
for i in circles[0,:]:cv2.circle(circles_im,(i[0],i[1]),i[2],(255,0,0),5)cv2.circle(circles_im,(i[0],i[1]),2,(0,255,0),20)plt.imshow(circles_im)

[[236 292 200]
[700 292 200]]

一文带你了解python opencv中霍夫变换(Hough transform)的常用操作相关推荐

OpenCV中对数组(矩阵)的常用操作
add 矩阵加法,A+B的更高级形式,支持mask scaleAdd 矩阵加法,一个带有缩放因子dst(I) = scale * src1(I) + src2(I) addWeighted ...
python中集合运算_入门 | 一文带你了解Python集合与基本的集合运算
原标题:入门 | 一文带你了解Python集合与基本的集合运算选自DataCamp 作者:Michael Galarnyk 参与:Geek Ai.思源一般我们熟悉 Python 中列表.元组及字典 ...
番外3. Python OpenCV 中如何绘制各种图形？
本系列专栏写作方式本系列专栏写作将采用首创的问答式写作形式,快速让你学习到 OpenCV 的初级.中级.高级知识. 3. Python OpenCV 中如何绘制各种图形? 本篇博客主要分享一下在 P ...
Python+OpenCV：傅里叶变换(Fourier Transform)
Python+OpenCV:傅里叶变换(Fourier Transform) ############################################################# ...
二值图像分析：OpenCV中的二值化阈值操作
二值图像分析:OpenCV中的二值化阈值操作 1.二值图像的定义 2.OpenCV中的基本阈值操作 3.OTSU二值寻找算法 3.1 OTSU二值寻找算法介绍 3.2 OTSU二值寻找算法分析 3.2 ...
OpenCV中的5种平滑滤波操作
平滑滤波是一种简单又常见的图像处理操作.平滑图像的目的有很多,但通常都是为了减少噪声和伪影. 在OpenCV中共有5种平滑滤波操作,分别是以下几种: 实验测试代码如下: #include<ios ...
C++ STL::list常用操作及底层实现（中1）——实现list常用操作之插入(insert、push_front、push_back、splice)
STL::list插入介绍及自实现插入功能 1插入数据之insert(): 1.1 `iterator insert(iterator position,const value_type & ...
net中c#教程 network的常用操作，包括上传、下载
现在互联网这么发达,我们做的项目也是需要从网络上获取信息(即下载数据),或者将本地的数据上传到服务器上(即上传数据).所以,对网络的操作也很重要和基础,今天分享的教程,就是关于网络编程(network ...
cv2.cornerHarris()详解　python+OpenCV 中的 Harris 角点检测
原文作者:aircraft 原文地址:https://www.cnblogs.com/DOMLX/p/8763369.html 参考文献----------OpenCV-Python-Toturial ...
Python OpenCV中色彩空间的转换类型
OpenCV中具有的色彩空间转换类型有很多,编写一个简单的Python程序,OpenCV下所支持的色彩空间转换类型 Python程序: # -*- coding: utf-8 -*-import cv ...

一文带你了解python opencv中霍夫变换(Hough transform)的常用操作

文章目录

前言

霍夫直线变换

cv2.HoughLines

cv2.HoughLinesP

skimage.transform.hough_line

霍夫直线检测的一个具体应用————地图上的道路检测

导入资源并显示图像

执行边缘检测

使用Hough变换查找直线

在霍夫空间中展示

霍夫圆变换

cv2.HoughCircles

霍夫圆变换的一个具体应用——硬币检测

import related libraries

load image

HoughCircles function

load image

Houghcircle detection

一文带你了解python opencv中霍夫变换(Hough transform)的常用操作相关推荐

最新文章

热门文章