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
董厂长3 小时前
langchain :记忆组件混淆概念澄清 & 创建Conversational ReAct后显示指定 记忆组件
人工智能·深度学习·langchain·llm
Dann Hiroaki6 小时前
笔记分享: 哈尔滨工业大学CS31002编译原理——02. 语法分析
笔记·算法
KhalilRuan6 小时前
Unity-MMORPG内容笔记-其三
笔记
G皮T6 小时前
【人工智能】ChatGPT、DeepSeek-R1、DeepSeek-V3 辨析
人工智能·chatgpt·llm·大语言模型·deepseek·deepseek-v3·deepseek-r1
九年义务漏网鲨鱼7 小时前
【大模型学习 | MINIGPT-4原理】
人工智能·深度学习·学习·语言模型·多模态
元宇宙时间7 小时前
Playfun即将开启大型Web3线上活动,打造沉浸式GameFi体验生态
人工智能·去中心化·区块链
开发者工具分享7 小时前
文本音频违规识别工具排行榜(12选)
人工智能·音视频
产品经理独孤虾7 小时前
人工智能大模型如何助力电商产品经理打造高效的商品工业属性画像
人工智能·机器学习·ai·大模型·产品经理·商品画像·商品工业属性
老任与码7 小时前
Spring AI Alibaba(1)——基本使用
java·人工智能·后端·springaialibaba
kfepiza8 小时前
Debian的`/etc/network/interfaces`的`allow-hotplug`和`auto`对比讲解 笔记250704
linux·服务器·网络·笔记·debian