毕业设计-基于机器视觉卡尺找线直线检测-python-opencv

目录

前言

课题背景和意义

实现技术思路

实现效果图样例

---

前言

    大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究生级别难度的,对本科同学来说是充满挑战。为帮助大家顺利通过和节省时间与精力投入到更重要的就业和考试中去,学长分享优质的选题经验和毕设项目与技术思路。

对毕设有任何疑问都可以问学长哦!

大家好,这里是海浪学长毕设专题,本次分享的课题是

基于机器视觉卡尺找线直线检测

课题背景和意义

霍夫直线检测容易受到线段形状与噪声的干扰而失真，这个时候我们需要另辟蹊径，通过对图像进行二值分析，提取骨架，对骨架像素点拟合生成直线，这种做法在一些场景下非常有效，而且效果很好。

实现技术思路

在图像处理中，霍夫变换用来检测任意能够用数学公式表达的形状，即使这个形状被破坏或者有点扭曲。

下面我们将看到利用HoughLine算法来阐述霍夫变化进行直线检测的原理，把此算法应用到特定图像的边缘检测是可取的。

Houghline算法基础

直线可以表示为y=mx+c，或者以极坐标形式表示为r=xcosθ+ysinθ，其中r是原点到直线的垂直距离，θ是水平轴顺时针方向到垂直线的夹角(这个方向取决于坐标的形式，在OpenCV就是采用这种极坐标形式)。

因此任意的曲线都可以用两个参数(r,θ)表示。

HoughLine算法原理：

• 首先建立一个二维的数组或者累加器(用来保存这两个参数)，并初始化为零；

• 这个二维数组的行代表不同的r，而列代表角度θ；

• 数组的大小取决于算法的精度。假设所需角度的精度精确到1^°，那么就需要180列(直线的最大角度是180)。

• 对于r，最大的可能距离是图像的对角长度，因此若需要一个像素的精度，那么需要把行数设为图像对角线的长度。

  假设一幅100x100的图像，在图像中间有一条水平直线。设直线的第一个点的坐标为(x,y)，在直线方程中，令参数θ=0,12,....,180，观查参数r变化。对每一个参数对(r,θ)，在累加器中将(r,θ)对应的单元格中的值递增1，比如现在在累加器中，某个单元(50,90)的值等于1，还有一些其他的单元格的值也是1。

  对于直线上的第二个点，重复上述操作。将得到的参数对(r,θ)的对应值继续递增，然后(50,90)对应的值等于2。实际上我们是对参数对(r,θ)进行投票，对直线上的每一个点重复上述操作，对每一个点，单元格(50,90)对应的值会递增，或者说投票给参数对(50,90)，同时也许会也许不会投票给其它参数对。以这种方式，最后单元格(50,90)的值将会是最大的值。然后搜索累加器的最大值，将会找到参数对(50,90)。也就是说，在图像中找到了到原点距离为50,角度为90的一条直线。

  

  上述算法的过程被封装成OpenCV函数cv2.HoughLines()，函数返回(r,θ)的一个数组，其中r的单位为像素，θ的单位为弧度。

• 在图像分析应用中，边缘分割点的坐标(即X,Y)是已知的，在直线的参数方程中作为输入，而r,θ是我们要找的未知变量；

• 对每一个角度θ，求出r的值，也就是将笛卡尔图像空间的点映射到霍夫参数极坐标空间的曲线，这种点到曲线的变换就是直线的霍夫变换；

• 这种变换是通过量化霍夫参数为有限的间隔或者累加器单元来实现的，随着算法的运行，每一个(X,Y)转换成离散的(r,θ)曲线，曲线上的点对应的累加器(二维数组)的值会递增；

• 累加器中的峰值就代表了图像中有相应直线的存在。

实现效果图样例

 

我是海浪学长,创作不易,欢迎点赞、关注、收藏、留言。

毕设帮助，疑难解答，欢迎打扰！

最后