OpenCV 直线和圆检测

本文根据《OpenCV3计算机视觉Python语言实现第二版》，进行代码编写，感谢本书作者的辛勤付出！

直线检测

代码

import cv2
import numpy as np
#直线检测
img = cv2.imread("../image/test2.jpg")       #读取照片
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #图像二值画
edges = cv2.Canny(gray,50,120)  #获取图像边缘
minLineLength =20
maxLineGap =5
 # 概率霍夫变换 Probabilistic_Hough_Transform
lines =cv2.HoughLinesP(edges,1,np.pi/180,100,minLineLength,maxLineGap)
for line in lines: #遍历所有直线
    for x1,y1,x2,y2 in line: #其中一条直线
        cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)  #画出直线
        print(lines)
cv2.imshow("edges",edges)
cv2.imshow("lines",img)
cv2.waitKey()
cv2.destroyWindow()

运行结果

使用到的函数分析

1.概率霍夫变换-cv2.HoughLinesP

# 概率霍夫变换 Probabilistic_Hough_Transform
lines =cv2.HoughLinesP(edges,1,np.pi/180,100,minLineLength,maxLineGap) 

输入参数：

• 1.edges ：需要处理的图像（必须是二值图像，推荐使用canny边缘检测的结果图像；）
• 2.rho：线段以像素为单位的距离精度，double类型的，推荐用1.0；
• 3.线段的几何表示 一般取1和np.pi/180（线段以弧度为单位的角度精度，推荐用numpy.pi/180；）
• 4.阈值：低于该阈值的直线会被忽略。霍夫变换可以理解为投票箱和投票数之间的关系，每个投票箱代表一条直线，投票数达到阈值会被保留，其余会被删除。（累加平面的阈值参数，int类型，超过设定阈值才被检测出线段，值越大，基本上意味着检出的线段越长，检出的线段个数越少。根据情况推荐先用100试试；）
  -5. minLineLength - 线的最短长度。比这个短的线都会被忽略。（线段以像素为单位的最小长度，根据应用场景设置；）
  -6. maxLineGap - 两条线段之间的最大间隔，如果小于此值，这两条直线就被看成是一条直线。（同一方向上两条线段判定为一条线段的最大允许间隔（断裂），超过了设定值，则把两条线段当成一条线段，值越大，允许线段上的断裂越大，越有可能检出潜在的直线段。）

返回值：

• 返回值就是直线的起点和终点

说明：
仅仅是一条直线都需要两个参数，这需要大量的计算。 Probabilistic_Hough_Transform 是对霍夫变换的一种优化。它不会对每一个点都进行计算，而是从一幅图像中随机选取一个点集进行计算，对于直线检测来说这已经足够了。但是使用这种变换我们必须要降低阈值

圆检测

代码

import cv2
import numpy as np
planets = cv2.imread("../image/test3.jpg")
gray_img = cv2.cvtColor(planets,cv2.COLOR_BGR2GRAY)
img = cv2.medianBlur(gray_img,5)
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)
circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,120,param1=100,param2=30,minRadius=0,maxRadius=0)
circles = np.uint16(np.around(circles)) #近似函数
for i in circles[0,:]:
    #画外部圆
    cv2.circle(planets,(i[0],i[1]),i[2],(0,255,0),2)
    #画圆的中心
    cv2.circle(planets,(i[0],i[1]),2,(0,0,255),3)

# cv2.imwrite("planets_circles.jpg",planets)
cv2.imshow("HoughCirlces",planets)
cv2.waitKey()
cv2.destroyWindow()

运行结果

使用到的函数分析

1.霍夫圆变换-cv2.HoughCircles

circles=cv2.HoughCircles
(img,cv2.HOUGH_GRADIENT,1,120,param1=100,param2=30,minRadius=0,maxRadius=0)
#示例
cv2.HoughCircles(image, method, dp, minDist, circles, param1, param2, minRadius, maxRadius)

输入参数：

• image：为输入图像，需要灰度图
• method：为检测方法 目前，唯一实现的方法是 CV_HOUGH_GRADIENT，基本上是 21HT
• dp：为检测内侧圆心的累加器图像的分辨率于输入图像之比的倒数，如dp=1，累加器和输入图像具有相同的分辨率，如果dp=2，累计器便有输入图像一半那么大的宽度和高度
• minDist：表示两个圆之间圆心的最小距离
• param1：有默认值100，它是method设置的检测方法的对应的参数，对当前唯一的方法霍夫梯度法cv2.HOUGH_GRADIENT，它表示传递给canny边缘检测算子的高阈值，而低阈值为高阈值的一半
• param2：有默认值100，它是method设置的检测方法的对应的参数，对当前唯一的方法霍夫梯度法cv2.HOUGH_GRADIENT，它表示在检测阶段圆心的累加器阈值，它越小，就越可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了
• minRadius：有默认值0，圆半径的最小值
• maxRadius：有默认值0，圆半径的最大值

返回值：

• 找到的圆的输出向量。每个向量被编码为3元素的浮点向量 （x，y，半径）。

[[[189.5 211.5 148.5]]]

这里输出结果只有一组代表只有一个圆