PythonOpenCV-边缘和轮廓-霍夫变换

0. 简介

　　霍夫变换用于在图像中查找直线和圆等形状。

 

1. 霍夫直线变换

　　cv2.HoughLines()函数利用霍夫变换算法检测图像中的直线，其基本格式如下：

lines = cv2.Houghlines(image, rho, theta, threshold)

　　参数说明：

lines ：返回的直线

image：原图像，必须是 8 位的单通道二值图像，通常会在霍夫变换之前，对图像执行阈值处理或 Canny 边缘检测。

rho：距离的精度(以像素为单位 )，通常为 1

theta：角度的精度，通常使用 π / 180°，表示搜索所有可能的角度

threshold：阈值，值越小，检测出的直线越多

　　代码示例：

import cv2 as cv
import numpy as np

src = cv.imread('./Image/qipan.jpg')
cv.imshow('src', src)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)  # 转灰度
edges = cv.Canny(src, 50, 150)   # 边缘检测

# 霍夫直线检测
lines = cv.HoughLines(edges, 1, np.pi/180, 150)
dst = src.copy()
for line in lines:
    rho, theta = line[0]
    a = np.cos(theta)
    b = np.sin(theta)
    x0, y0 = a*rho, b*rho
    pt1 = (int(x0+1000*(-b)), int(y0+1000*(a)))  # 计算直线端点
    pt2 = (int(x0-1000*(-b)), int(y0-1000*(a)))
    cv.line(dst, pt1, pt2, (255, 0, 0), thickness=2)  # 绘制直线
cv.imshow('HoughLine', dst)  # 显示直线
cv.waitKey(0)

　　运行结果：

     

　　cv2.HoughLinesP()函数利用概率霍夫变换算法来检测图像中的直线，其基本格式如下：

lines = cv2.HoughLinesP(image, rho, theta, threshold[, minLineLength[, maxLineGap]])

　　参数说明：

lines：返回的直线

image：原图像，必须是 8 位的单通道二值图像，通常会在霍夫变换之前，对图像执行阈值处理或 Canny 边缘检测

rho：距离的精度(以像素为单位 )，通常为1

theta：角度的精度，通常使用π  / 180°，表示搜索所有可能的角度

threshold：阈值，值越小，检测出的直线越多

minLineLength：可接受的直线的最小长度，默认值为 0

maxLineGap：共线线段之间的最大间隔，默认值为 0

　　代码示例：

import cv2 as cv
import numpy as np

src = cv.imread('./Image/qipan.jpg')
cv.imshow('src', src)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)  # 转灰度
edges = cv.Canny(src, 50, 150)   # 边缘检测

# 霍夫直线检测
lines = cv.HoughLinesP(edges, 1, np.pi/180, 1, minLineLength=100, maxLineGap=10)
dst = src.copy()
for line in lines:
    x1, y1, x2, y2 = line[0]
    cv.line(dst, (x1, y1), (x2, y2), (0, 0, 255), 2)  # 绘制直线
cv.imshow('HoughLinesP', dst)  # 显示直线
cv.waitKey(0)

　　运行结果：

      

 

2. 霍夫圆变换

　　cv2.HoughCircles()函数利用霍夫变换查找图像中的圆，其基本格式如下：

circles = cv2.HoughCircles(image, method, dp, minDist[， param1[, param2[, minRadius[, maxRadius]]]])

　　参数说明：

circles：返回的圆

image：原图像，必须是 8 位的单通道二值图像

method：查找方法，可设置为 cv2.HOUGH_GRADIENT和cv2.HOUGH_GRADIENT_ALT

dp：累加器分辨率，它与图像分辨率成反比。例如，如果 dp=1，则累加器与输入图像的分辨率相同；如果 dp =2，则累加器的宽度和高度是输入图像的一半

minDist：圆心间的最小距离

param1：对应 Canny 边缘测的高阈值(低阈值是高阈值的一半)，默认值为 100

param2：圆心位置必须达到的投票数，值越大，检测出的圆越少，默认值为 100

minRadius：最小圆半径，半径小于该值的圆不会被检测出来。其默认值为 0，此时不起作用

maxRadius：最大圆半径，半径大于该值的圆不会被检测出来。其默认值为 0，此时不起作用

　　代码示例：

import cv2 as cv
import numpy as np


src = cv.imread('./Image/qipan.jpg')
cv.imshow('src', src)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)   # 转为灰度图
edges = cv.Canny(gray, 50, 150, apertureSize=3)  # 边缘检测

# 霍夫圆检测
circles = cv.HoughCircles(edges, cv.HOUGH_GRADIENT, 1, 50, param2=30, minRadius=10, maxRadius=40)
circles = np.uint16(np.around(circles))
dst = src.copy()
for i in circles[0, :]:
    cv.circle(dst, (i[0], i[1]), i[2], (255, 0, 0), 2)  # 画圆
    cv.circle(dst, (i[0], i[1]), 1, (0, 0, 255), 2)   # 画圆心
cv.imshow('HoughCircles', dst)
cv.waitKey(0)

　　运行结果：

     

 

/*-------------------------------------------------------------------------------------------------------

笔者说明：

　　该笔记来源于本人学习Python + OpenCv时的资料，

　　分享出来只是为了供大家学习，并且为了自己以后想要用的时候方便寻找。

时间：2023年8月23日

------------------------------------------------------------------------------------------------------------*/