主站:http://ex2tron.wang
原文:Python+OpenCV教程17:霍夫变换
学习使用霍夫变换识别出图像中的直线和圆。图片等可到源码处下载。
目标
- 理解霍夫变换的实现
- 分别使用霍夫线变换和圆变换检测图像中的直线和圆
- OpenCV函数:cv2.HoughLines(), cv2.HoughLinesP(), cv2.HoughCircles()
教程
理解霍夫变换
霍夫变换常用来在图像中提取直线和圆等几何形状,实现原理在维基百科上解释的非常清楚:Hough transform,我来做个简易的解释,感兴趣的可以一看,否则划掉(●ˇ∀ˇ●):
学过几何的都知道,直线可以分别用直角坐标系和极坐标系来表示:
那么经过某个点(x0,y0)的所有直线都可以用这个式子来表示:
也就是说每一个(r,θ)都表示一条经过(x0,y0)直线,那么同一条直线上的点必然会有同样的(r,θ)。如果将某个点所有的(r,θ)绘制成下面的曲线,那么同一条直线上的点的(r,θ)曲线会相交于一点:
OpenCV中首先计算(r,θ) 累加数,累加数超过一定值后就认为在同一直线上(有点拗口,不懂也没关系,暂时会用就行)。
霍夫直线变换
OpenCV中用cv2.HoughLines()
在二值图上实现霍夫变换,函数返回的是一组直线的(r,θ)数据:
# 1.加载图片,转为二值图
img = cv2.imread('shapes.jpg')
drawing = np.zeros(img.shape[:], dtype=np.uint8)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 50, 150)
# 2.霍夫直线变换
lines = cv2.HoughLines(edges, 0.8, np.pi / 180, 90)
函数中:
- 参数1:要检测的二值图(一般是阈值分割或边缘检测后的图)
- 参数2:距离r的精度,值越大,考虑越多的线
- 参数3:角度θ的精度,值越小,考虑越多的线
- 参数4:累加数阈值,值越小,考虑越多的线
# 3.将检测的线画出来(注意是极坐标噢)
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(drawing, (x1, y1), (x2, y2), (0, 0, 255))
统计概率霍夫直线变换
前面的方法又称为标准霍夫变换,它会计算图像中的每一个点,计算量比较大,另外它得到的是整一条线(r和θ),并不知道原图中直线的端点。所以提出了统计概率霍夫直线变换(Probabilistic Hough Transform),是一种改进的霍夫变换:
drawing = np.zeros(img.shape[:], dtype=np.uint8)
# 3.统计概率霍夫线变换
lines = cv2.HoughLinesP(edges, 0.8, np.pi / 180, 90,
minLineLength=50, maxLineGap=10)
前面几个参数跟之前的一样,有两个可选参数:
- minLineLength:最短长度阈值,比这个长度短的线会被排除
- maxLineGap:同一直线两点之间的最大距离
# 3.将检测的线画出来
for line in lines:
x1, y1, x2, y2 = line[0]
cv2.line(drawing, (x1, y1), (x2, y2), (0, 255, 0), 1, lineType=cv2.LINE_AA)
cv2.LINE_AA
在之前绘图功能中讲解过,表示抗锯齿线型。
霍夫圆变换
霍夫圆变换跟直线变换类似,只不过线是用(r,θ)表示,圆是用(x_center,y_center,r)来表示,从二维变成了三维,数据量变大了很多;所以一般使用霍夫梯度法减少计算量,对该算法感兴趣的同学可参考:Circle Hough Transform
drawing = np.zeros(img.shape[:], dtype=np.uint8)
# 2.霍夫圆变换
circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 20, param2=30)
circles = np.int0(np.around(circles))
其中,
- 参数2:变换方法,一般使用霍夫梯度法,详情:HoughModes
- 参数3 dp=1:表示霍夫梯度法中累加器图像的分辨率与原图一致
- 参数4:两个不同圆圆心的最短距离
- 参数5:param2跟霍夫直线变换中的累加数阈值一样
# 将检测的圆画出来
for i in circles[0, :]:
cv2.circle(drawing, (i[0], i[1]), i[2], (0, 255, 0), 2) # 画出外圆
cv2.circle(drawing, (i[0], i[1]), 2, (0, 0, 255), 3) # 画出圆心
小结
- 霍夫变换用来提取图像中的直线和圆等几何形状
- 霍夫直线变换:cv2.HoughLines()(整条直线), cv2.HoughLinesP()
- 霍夫圆变换:cv2.HoughCircles()
引用
- 本节源码
- Hough Line Transform
- Hough Circle Transform