使用LabVIEW AI视觉工具包快速实现霍夫圆和霍夫直线检测（含源码）

‍‍🏡博客主页： virobotics的优快云博客：LabVIEW深度学习、人工智能博主
🎄所属专栏：『LabVIEW深度学习实战』
🍻上期文章：手把手教你使用LabVIEW人工智能视觉工具包快速实现Harris角点检测(含源码)
📰如觉得博主文章写的不错或对你有所帮助的话，还望大家多多支持呀！欢迎大家✌关注、👍点赞、✌收藏、👍订阅专栏

文章目录

前言
一、环境搭建
- 1.1 部署本项目时所用环境
- 1.2 LabVIEW工具包下载及安装
二、霍夫直线检测
三、霍夫圆检测
四、项目源码
总结

前言

今天我们一起来使用LabVIEW AI视觉工具包快速实现霍夫圆和霍夫直线的检测。工具包的安装与下载方法可见之前的两篇博客。

一、环境搭建

1.1 部署本项目时所用环境

操作系统：Windows10
python：3.6及以上
LabVIEW：2018及以上 64位版本
AI视觉工具包：techforce_lib_opencv_cpu-1.0.0.98.vip

1.2 LabVIEW工具包下载及安装

AI视觉工具包下载与安装参考：
https://blog.youkuaiyun.com/virobotics/article/details/123656523

二、霍夫直线检测

2.1 霍夫直线检测原理简介

霍夫直线检测过程，是将笛卡尔坐标系下的直线方程转换到极坐标系下，并根据各个像素的坐标点代入得到的方程，获取对应的直线参数.
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： y0 =kx0+b。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：
在这里插入图片描述

2.2 python实现霍夫直线检测

0️⃣API

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

1️⃣参数

image：检测的图像，要二值化的图像,检测前需要先对图像进行二值化处理或是canny边缘检测，推荐使用canny边缘检测的结果图像。
rho：以像素为单位累加器的分辨距离值,推荐用1.0。
theta：以用弧度表示的角度, 推荐用numpy.pi/180 。
thresh：累加器阈值参数，超过设定阈值才被检测出线段，值越大，检出的线段越长，检出的线段个数越少。推荐先用100

返回值：

lines：输出检测到的直线的向量，每条直线用(r,θ)表示。r表示直线到原点(就是图片的左上角)的距离。θ表示直线的旋转角度。

2️⃣实现霍夫直线检测

import cv2
import numpy as np

img = cv2.imread("linegraph.jpg")  #读取图片文件

cv2.namedWindow("Image")   
cv2.imshow("Image", img)  #显示该图片内容

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 90, 110)
cv2.imshow('edges', edges)

# 霍夫变换
lines = cv2.HoughLines(edges, 1, np.pi/180,150)
img1 = img.copy()

# 将检测的线绘制在图像上（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(img1, (x1, y1), (x2, y2), (255, 255, 0), 2)
cv2.imshow('img1', img1)

cv2.waitKey (0)  #等待一定时间，让显示内容可以被看到

cv2.destroyAllWindows()  #关闭所有显示框

3️⃣运行结果
在这里插入图片描述

2.3 LabVIEW实现霍夫直线检测

0️⃣相关VI及参数介绍

HoughLines.vi：检测图片中的直线

参数说明：

Mat in：检测的图像，要二值化的图像
parameters簇中参数含义：
rho：以像素为单位累加器的分辨距离值,推荐用1.0。
theta：以用弧度表示的角度, 推荐用pi/180 。
thresh：累加器阈值参数，超过设定阈值才被检测出线段，值越大，检出的线段越长，检出的线段个数越少。
输出 lines：输出检测到的直线的向量

Draw_Line.vi:绘制直线

参数说明：

Mat:要绘制直线的图像
pt1,pt2: 直线的起点和终点
color: 线条的颜色
thickness: 线条宽度

Canny.vi：边缘检测

参数说明：

Mat in:灰度图，
threshold1: minval，较小的阈值将间断的边缘连接起来
threshold2: maxval，较大的阈值检测图像中明显的边缘

1️⃣实现霍夫直线检测
在这里插入图片描述
2️⃣运行结果

三、霍夫圆检测

3.1 霍夫圆检测原理

霍夫圆变换跟直线变换类似，线是用(r,θ)表示，圆则是用(x_center,y_center,r)来表示，从二维变成了三维，数据量变大很多，一般使用霍夫梯度法减少计算量。

3.2 python实现霍夫圆检测

0️⃣API

cv2.HoughCircles(image, method, dp, minDist, param1=100, param2=100, minRadius=0,maxRadius=0 )

1️⃣参数

image：输入图像
method：使用霍夫变换圆检测的算法，它的参数是CV_HOUGH_GRADIENT
dp ：霍夫空间的分辨率，dp=1时表示霍夫空间与输入图像空间的大小一致，dp=2时霍夫空间是输入图像空间的一半，以此类推
minDist为圆心之间的最小距离，如果检测到的两个圆心之间距离小于该值，则认为它们是同一个圆心
param1：边缘检测时使用Canny算子的高阈值，低阈值是高阈值的一半。
param2：检测圆心和确定半径时所共有的阈值
minRadius和maxRadius为所检测到的圆半径的最小值和最大值

circles：输出圆向量，包括三个浮点型的元素——圆心横坐标，圆心纵坐标和圆半径

2️⃣实现霍夫圆检测


import cv2
import numpy as np
  
img = cv2.imread("shapes.jpg")  #读取图片文件

cv2.namedWindow("Image")
cv2.imshow("Image", img)  #显示该图片内容

gray = img[:,:,2]#cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  #图片转换为灰度格式
##cv2.imshow('gray',gray)

ret,thresh1 = cv2.threshold(gray,100,255,cv2.THRESH_BINARY)

edges = cv2.Canny(thresh1, 90,110) #对图片进行边缘检测

cv2.imshow('HoughCircle',edges)

#通过HoughCircles方法检测圆形
circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 100, param2=22,
                           maxRadius=100,minRadius=30)

#在图片中标识出找到的直线
for i in circles[0, :]:
    cv2.circle(img, (int(i[0]), int(i[1])), int(i[2]), (0, 255, 0), 2)  # 画出外圆
    cv2.circle(img, (int(i[0]), int(i[1])), 2, (0, 0, 255), 3)  # 画出圆心

cv2.imshow('HoughCircle',img)

cv2.waitKey (0)  #等待一定时间，让显示内容可以被看到

cv2.destroyAllWindows()  #关闭所有显示框