参考:
Python下opencv使用笔记(十一)(详解hough变换检测直线与圆)
目标:
- 用来寻找直线的方法
- 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: 斜率和截距表示.
b. 在 极坐标系: 可由参数: 极径和极角表示
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:
化简得:
2、一般来说对于点 , 我们可以将通过这个点的一族直线统一定义为:
这就意味着每一对 代表一条通过点
的直线.
3、如果对于一个给定点 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
and
我们可以绘出下图 (在平面
-
):
只绘出满足下列条件的点 and
.
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 -
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:
,
和点
,
绘图, 得到下图:
这三条曲线在 -
平面相交于点
, 坐标表示的是参数对 (
) 或者是说点
, 点
和点
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 -
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 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
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
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
的容器 * rho : 参数极径
以像素值为单位的分辨率. 我们使用 1 像素.
- theta: 参数极角
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
的容器
- rho : 参数极径
以像素值为单位的分辨率. 我们使用 1 像素.
- theta: 参数极角
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()