霍夫线变换(opencv_python下)

本文详细介绍了霍夫变换在图像处理中的应用,尤其关注于如何使用霍夫变换检测图像中的直线。文章首先解释了霍夫变换的基本原理,包括在极坐标系下表示直线的方法,并通过实例展示了如何利用霍夫变换在图像中找到直线。随后,文章对比了标准霍夫变换与统计概率霍夫变换的不同,以及它们在OpenCV中的实现方式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

参考:

霍夫线变换

Python下opencv使用笔记(十一)(详解hough变换检测直线与圆)


目标:

  1. 用来寻找直线的方法
  2. 使用霍夫线变换之前,首先要对图像进行边缘检测的处理,即霍夫线变换的直接输入只能是边缘二值图像

 

原理:

1、众所周知, 一条直线在图像二维空间可由两个变量表示. 例如:

a. 在 笛卡尔坐标系: 可由参数: (m,b) 斜率和截距表示.

b. 在 极坐标系: 可由参数: (r,\theta) 极径和极角表示

Line variables

对于霍夫变换, 我们将用 极坐标系 来表示直线. 因此, 直线的表达式可为:

y = \left ( -\dfrac{\cos \theta}{\sin \theta} \right ) x + \left ( \dfrac{r}{\sin \theta} \right )

化简得: r = x \cos \theta + y \sin \theta

2、一般来说对于点 (x_{0}, y_{0}), 我们可以将通过这个点的一族直线统一定义为:

r_{\theta} = x_{0} \cdot \cos \theta  + y_{0} \cdot \sin \theta

这就意味着每一对 (r_{\theta},\theta) 代表一条通过点 (x_{0}, y_{0}) 的直线.

3、如果对于一个给定点 (x_{0}, y_{0}) 我们在极坐标对极径极角平面绘出所有通过它的直线, 将得到一条正弦曲线. 例如, 对于给定点 x_{0} = 8 and y_{0} = 6 我们可以绘出下图 (在平面 \theta - r):

Polar plot of a the family of lines of a point

只绘出满足下列条件的点 r > 0 and 0< \theta < 2 \pi.

4、我们可以对图像中所有的点进行上述操作. 如果两个不同点进行上述操作后得到的曲线在平面 \theta - r 相交, 这就意味着它们通过同一条直线. 例如, 接上面的例子我们继续对点: x_{1} = 9, y_{1} = 4 和点 x_{2} = 12, y_{2} = 3 绘图, 得到下图:

Polar plot of the family of lines for three points

这三条曲线在 \theta - r 平面相交于点 (0.925, 9.6), 坐标表示的是参数对 (\theta, r) 或者是说点 (x_{0}, y_{0}), 点 (x_{1}, y_{1}) 和点 (x_{2}, y_{2}) 组成的平面内的的直线.

5、那么以上的材料要说明什么呢? 这意味着一般来说, 一条直线能够通过在平面 \theta - r 寻找交于一点的曲线数量来 检测. 越多曲线交于一点也就意味着这个交点表示的直线由更多的点组成. 一般来说我们可以通过设置直线上点的 阈值 来定义多少条曲线交于一点我们才认为 检测 到了一条直线.

6、这就是霍夫线变换要做的. 它追踪图像中每个点对应曲线间的交点. 如果交于一点的曲线的数量超过了 阈值, 那么可以认为这个交点所代表的参数对 (\theta, r_{\theta}) 在原图像中为一条直线.

分类:

标准霍夫线变换

原理在上面的部分已经说明了. 它能给我们提供一组参数对 (\theta, r_{\theta}) 的集合来表示检测到的直线

在OpenCV 中通过函数 HoughLines 来实现

统计概率霍夫线变换

这是执行起来效率更高的霍夫线变换. 它输出检测到的直线的端点 (x_{0}, y_{0}, x_{1}, y_{1})

在OpenCV 中它通过函数 HoughLinesP 来实现

实现:

标准霍夫线变换:

  • 首先, 你要执行变换:
vector<Vec2f> lines;
HoughLines(dst, lines, 1, CV_PI/180, 100, 0, 0 );

带有以下自变量:

  • dst: 边缘检测的输出图像. 它应该是个灰度图 (但事实上是个二值化图)
  • lines: 储存着检测到的直线的参数对 (r,\theta) 的容器 * rho : 参数极径 r 以像素值为单位的分辨率. 我们使用 1 像素.
  • theta: 参数极角 \theta 以弧度为单位的分辨率. 我们使用 1度 (即CV_PI/180)
  • threshold: 要”检测” 一条直线所需最少的的曲线交点
  • srn and stn: 参数默认为0. 查缺OpenCV参考文献来获取更多信息.

 

  • 通过画出检测到的直线来显示结果.

 

统计概率霍夫线变换

  • 首先, 你要执行变换:
vector<Vec4i> lines;
HoughLinesP(dst, lines, 1, CV_PI/180, 50, 50, 10 );

带有以下自变量:

  • dst: 边缘检测的输出图像. 它应该是个灰度图 (但事实上是个二值化图) 
  • lines: 储存着检测到的直线的参数对 (x_{start}, y_{start}, x_{end}, y_{end}) 的容器
  • rho : 参数极径 r 以像素值为单位的分辨率. 我们使用 1 像素.
  • theta: 参数极角 \theta 以弧度为单位的分辨率. 我们使用 1度 (即CV_PI/180)
  • threshold: 要”检测” 一条直线所需最少的的曲线交点
  •  minLinLength: 能组成一条直线的最少点的数量. 点数量不足的直线将被抛弃.
  • maxLineGap: 能被认为在一条直线上的亮点的最大距离.

 

  • 通过画出检测到的直线来显示结果.

示例:

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("D:\\software_my_programming\
\\relate_to_irisrecog\\CASIA-Iris-Lamp\\001\\L\\S2001L01.jpg",0)
#读取图像,0为灰度图像,1为彩色图像

edges = cv2.Canny(img,50,200)
plt.subplot(121),plt.imshow(edges,'gray')
plt.xticks([]),plt.yticks([])
#hough transform
lines = cv2.HoughLines(edges,1,np.pi/180,160)
lines1 = lines[:,0,:]#提取为为二维
for rho,theta in lines1[:]: 
    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),(255,0,0),1)

plt.subplot(122),plt.imshow(img,'gray')
plt.xticks([]),plt.yticks([])

plt.show()

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值