博客

Opencv 霍夫变换

  • Post category:Python

OpenCV 中的霍夫变换是一种图像处理技术，它可以用于检测图像中的直线、圆等形状。在 OpenCV 中，通常会使用 cv2.HoughLines() 函数来实现霍夫变换检测直线，使用 cv2.HoughCircles() 函数来实现霍夫变换检测圆。

使用 cv2.HoughLines() 函数的基本语法如下：

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

其中，image 是输入图像，rho 是距离精度，theta 是角度精度，threshold 是阈值。

使用 cv2.HoughCircles() 函数的基本语法如下：

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

其中，image 是输入图像，method 是检测方法，dp 是累加器分辨率与图像分辨率的比值，minDist 是圆心之间的最小距离，param1 是Canny 边缘检测的高阈值，param2 是累加器的阈值，minRadius 是最小半径，maxRadius 是最大半径。

以下是两个示例说明：

示例一：使用霍夫变换检测图像中的直线

要使用霍夫变换检测图像中的直线，可以使用以下代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# 将图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行边缘检测
edges = cv2.Canny(gray, 50, 150, apertureSize=3)

# 进行霍夫变换检测直线
lines = cv2.HoughLines(edges, 1, np.pi/180, 200)

# 绘制检测到的直线
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(img, (x1, y1), (x2, y2), (0, 0, 255), 2)

# 显示图像
cv2.imshow('image', img)
cv2.waitKey()
cv2.destroyAllWindows()

这将读取名为 image.jpg 的图像，然后使用霍夫变换检测图像中的直线。最终结果将在窗口中。

示例二：使用霍夫变换检测图像中的圆

要使用霍夫变换检测图像中的圆，可以以下代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# 将图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行边缘检测
edges = cv2.Canny(gray, 50, 150, apertureSize=3)

# 进行霍夫变换检测圆
circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)

# 绘制检测到的圆
if circles is not None:
    circles = np.uint16(np.around(circles))
    for i in circles[0, :]:
        cv2.circle(img, (i[0], i[1]), i[2], (0, 255, 0), 2)

# 显示图像
cv2.imshow('image', img)
cv2.waitKey()
cv2.destroyAllWindows()

这将读取名为 image.jpg 的图像，然后使用霍夫变换检测图像中的圆。最终结果将在窗口中。

Tags: