OpenCV自学笔记十九:霍夫变换

目录

1、霍夫直线变换

2、霍夫圆环变换


1、霍夫直线变换

霍夫直线变换(Hough Line Transform)是一种用于在图像中检测直线的技术。它能够从图像中提取出直线的参数,例如直线的斜率和截距。

霍夫直线变换的基本原理是在参数空间中累加直线的交点。对于每个图像中的边缘点,它们代表了可能的直线候选。通过对这些候选直线进行计数,可以找到在参数空间中累积计数最高的直线,从而得到图像中的直线。

示例:

下面是一个使用OpenCV实现霍夫直线变换的简单示例代码:

复制代码
import cv2

import numpy as np

# 读取图像并转换为灰度图像

img = cv2.imread('image.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行边缘检测

edges = cv2.Canny(gray, 50, 150, apertureSize=3)

# 进行霍夫直线变换

lines = cv2.HoughLines(edges, 1, np.pi/180, threshold=100)

# 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)

# 显示结果

cv2.imshow('Image', img)

cv2.waitKey(0)

cv2.destroyAllWindows()

在上述示例中,我们首先使用`cv2.imread()`函数读取图像,并将其转换为灰度图像。

然后,我们使用`cv2.Canny()`函数进行边缘检测,以提取图像中的边缘。

接下来,使用`cv2.HoughLines()`函数进行霍夫直线变换。该函数接受四个参数:边缘图像、距离分辨率、角度分辨率和阈值。在本例中,我们设置了距离分辨率为1像素、角度分辨率为1度,并将阈值设置为100。

然后,对于每条检测到的直线,在图像上绘制直线。我们使用直线的极坐标表示(rho和theta),将其转换为直线的两个端点坐标,并使用`cv2.line()`函数绘制直线。

最后,使用`cv2.imshow()`函数显示结果图像,并使用`cv2.waitKey()`和`cv2.destroyAllWindows()`等函数等待用户按键关闭窗口。

运行上述代码,你将看到显示了检测到的直线的图像窗口。直线以红色显示在原始图像上。

2、霍夫圆环变换

霍夫圆环变换(Hough Circle Transform)是一种用于在图像中检测圆的技术。它能够从图像中提取出圆的参数,例如圆心坐标和半径。

原理:

霍夫圆环变换的基本原理是在参数空间中累加圆的交点。对于每个图像中的边缘点,它们代表了可能的圆候选。通过对这些候选圆进行计数,可以找到在参数空间中累积计数最高的圆,从而得到图像中的圆。

示例:

下面是一个使用OpenCV实现霍夫圆环变换的简单示例代码:

复制代码
​
import cv2

import numpy as np

# 读取图像并转换为灰度图像

img = cv2.imread('image.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行图像平滑处理

gray = cv2.medianBlur(gray, 5)

# 检测圆环

circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, dp=1, minDist=50,

param1=100, param2=30, minRadius=0, maxRadius=0)

# 绘制检测到的圆环

if circles is not None:

circles = np.uint16(np.around(circles))

for circle in circles[0, :]:

center = (circle[0], circle[1])

radius = circle[2]

cv2.circle(img, center, radius, (0, 255, 0), 2)

# 显示结果

cv2.imshow('Image', img)

cv2.waitKey(0)

cv2.destroyAllWindows()

​

在上述示例中,我们首先使用`cv2.imread()`函数读取图像,并将其转换为灰度图像。

然后,我们使用`cv2.medianBlur()`函数对灰度图像进行平滑处理,以减少噪声对霍夫圆环变换的影响。

接下来,使用`cv2.HoughCircles()`函数进行霍夫圆环变换。该函数接受七个参数:输入图像、霍夫圆环检测方法、dp值、最小间距、边缘阈值、圆心累加器阈值和最小/最大半径。在本例中,我们设置了霍夫圆环检测方法为`cv2.HOUGH_GRADIENT`,dp值为1,最小间距为50,边缘阈值为100,圆心累加器阈值为30,最小/最大半径为0(表示不限制半径的范围)。

然后,对于检测到的每个圆环,在图像上绘制圆。我们使用圆的圆心坐标和半径,使用`cv2.circle()`函数绘制圆。

最后,使用`cv2.imshow()`函数显示结果图像,并使用`cv2.waitKey()`和`cv2.destroyAllWindows()`等函数等待用户按键关闭窗口。

运行上述代码,你将看到显示了检测到的圆环的图像窗口。圆环以绿色显示在原始图像上。

相关推荐
SoFlu软件机器人5 分钟前
Cursor、飞算JavaAI、GitHub Copilot、Gemini CLI 等热门 AI 开发工具合集
人工智能·github·copilot
isNotNullX38 分钟前
实时数仓和离线数仓还分不清楚?看完就懂了
大数据·数据库·数据仓库·人工智能·数据分析
Liudef061 小时前
大语言模型的极限:知识、推理与创造力的边界探析
人工智能·语言模型·自然语言处理
潮湿的心情1 小时前
亚洲牧原:活跃行业交流,延伸公益版图,市场拓展再结硕果
大数据·人工智能
平和男人杨争争1 小时前
机器学习14——线性回归
人工智能·机器学习·线性回归
一个天蝎座 白勺 程序猿1 小时前
飞算JavaAI进阶:重塑Java开发范式的AI革命
java·开发语言·人工智能
李昊哲小课1 小时前
pandas销售数据分析
人工智能·python·数据挖掘·数据分析·pandas
whabc1002 小时前
和鲸社区深度学习基础训练营2025年关卡2(2)sklearn中的MLPClassifier
人工智能·深度学习·numpy
往日情怀酿做酒 V17639296382 小时前
pytorch的介绍以及张量的创建
人工智能·pytorch·python
北辰alk3 小时前
如何实现AI多轮对话功能及解决对话记忆持久化问题
人工智能