一、霍夫變換

1、霍夫變換是一種在圖像中尋找直線、圓形及其他簡單形狀的方法。
2、笛卡爾空間與霍夫空間映射關系

• 笛卡爾空間內的一條直線確定了霍夫空間內的一個點。
• 霍夫空間內的一個點確定了笛卡爾空間內的一條直線。

3、霍夫變換選擇直線的基本思路：選擇由盡可能多條線匯成的點。

二、直線檢測

1、繪制直線方法

• 垂直方向的直線，計算它與圖像水平邊界的交叉點，在兩個交叉點之間畫線。
• 水平方向的直線，在圖像的第一列和最后一列之間畫線。

2、cv.line優點

沒有必要檢查交叉點是否位于圖像內部，即使點的坐標超出了圖像的范圍，也能正確畫出線來。

3、基本霍夫變換——HoughLines函數
（1）要求：所操作的原圖像是一個二值圖像，變換之前先將原圖像進行二值化或進行canny邊緣檢測。
（2）HoughLines檢測到的是圖像中的直線而不是線段，即檢測到的直線是沒有端點的。
（3）代碼

# 直線檢測 def line_detection(image):gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY)edges = cv.Canny(gray, 50, 150, apertureSize=3)"""HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None)image：8位，單通道二值源圖像rho：以像素為單位的距離r的精度，一般為1.theta：角度0的精度， CV.PI/180表示搜索所有可能的角度。threshold：閾值，線段超過設定的閾值才被檢測出來。值越小，判定出的直線就越多。lines：檢測到的直線的參數vector(ρ,θ) or (ρ,θ,votes) ；ρ是距坐標原點的距離，θ是以弧度表示的線旋轉角度(0～垂直直線,π/2～水平直線) ，votes 曲線交點累加計數srn：stn：min_theta：檢查線條的最小角度。必須介于0和maxθ之間。max_theta：要檢查線條的最大角度。必須介于minθ和CV_PI之間"""lines = cv.HoughLines(edges, 1, np.pi / 180, 200)# 遍歷lines，繪制出所有的直線for line in lines:rho, theta = line[0]a = np.cos(theta)b = np.sin(theta)x0 = a * rhoy0 = b * rhox1 = int(x0 + 1000 * (-b))y1 = int(y0 + 1000 * a)x2 = int(x0 - 1000 * (-b))y2 = int(y0 - 1000 * a)cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)cv.imshow('image_lines', image)

2、概率霍夫變換——HoughLinesP函數

概率霍夫變換沒有考慮所有的點，只需要一個足以進行檢測的隨機點子集即可。

def line_detect_possible_demo(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)edges = cv.Canny(gray, 50, 150, apertureSize=3)"""HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None)minLineLength：用來控制“接受直線的最小長度”的值，默認0maxLineGap：用來控制接受共線線段之間的最小間隔，如果兩點之間的最大間隔大于maxLineGap，認為這兩點不在一條線上，默認0"""lines = cv.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=50, maxLineGap=10)for line in lines:x1, y1, x2, y2 = line[0]cv.line(image, (x1, y1), (x2, y2), (0, 255, 0), 2)cv.imshow('line_detect_possible_demo', image)

三、圓檢測

在霍夫圓變換中，需要考慮圓半徑和圓心（x坐標，y坐標）共3個系數，采用的策略是兩輪篩選。第1輪篩選找出可能存在圓的位置（圓心），第2輪再根據第1輪的結果篩選出半徑大小。

def Mdetect_circles_demo(image):""":param image: pyrMeanShiftFiltering(src, sp, sr, dst=None, maxLevel=None, termcrit=None):return: src：輸入圖像，8位，三通道的彩色圖像sp：定義的漂移物理空間半徑大小sr：定義的漂移色彩空間半徑大小dst：輸出圖像，跟輸入src有同樣的大小和數據格式maxLevel：定義金字塔的最大層數termcrit：定義的漂移迭代終止條件，可以設置為迭代次數滿足終止，迭代目標與中心點偏差滿足終止，或者兩者的結合"""# pyrMeanShiftFiltering：漂移圓檢測dst = cv.pyrMeanShiftFiltering(image, 50, 30)circles = np.uint16(np.around(dst))for i in circles[0, :]:cv.circle(image, (i[0], i[1]), i[2], (0, 0, 255), 2)cv.circle(image, (i[0], i[1]), 2, (255, 0, 0), 2)cv.imshow('Mdetect_circles_demo', image)def circles_demo(image):# 消除噪聲cimage = cv.cvtColor(image, cv.COLOR_BGR2GRAY)circle = cv.HoughCircles(cimage, cv.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)circles = np.uint16(np.around(circle))for i in circles[0, :]:# 取圓心cv.circle(image, (i[0], i[1]), 2, (255, 0, 0), 2)cv.imshow('circles_demo', image)def detect_circles_demo(image):# 消除噪聲cimage = cv.cvtColor(image, cv.COLOR_BGR2GRAY)"""HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None)image:8位單通道灰度圖像method:檢測方法，HOUGH_GRADIENT：基于梯度做比較快且是唯一可用的參數值dp:累加器分辨率，用來指定圖像分辨率與圓心累加器分辨率的比率。1表示輸入圖像和累加器具有相同的分辨率。minDist:圓心間的最小間距。如果存在圓心間距離小于該值的圓，僅有一個會被檢測出來。如20：把小于20最近的多個合并成一個圓。circles:返回值，由圓心坐標和半徑構成的numpy.ndarryparam1:缺省，默認100.對應是canny邊緣檢測器的高閾值（底閾值是高閾值的二分之一）param2:圓心位置必須收到的投票數。值越大，檢測到的圓越少；越小，檢測到的圓越多。缺省，默認100.minRadius:圓半徑的最小值，小于該值的圓不會被檢測出來。缺省，默認0，不起作用。maxRadius：圓半徑的最大值，大于該值的圓不會被檢測出來。缺省，默認0，不起作用。"""circle = cv.HoughCircles(cimage, cv.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)"""around(a, decimals=0, out=None)a：輸入列表或矩陣decimals：為n對輸入近似后保留小數點后n位，默認為0，若值為-n，則對小數點左邊第n位近似out：保存近似返回結果"""circles = np.uint16(np.around(circle))for i in circles[0, :]:# 圖像，中心點位置，半徑，顏色"""circle(img, center, radius, color, thickness=None, lineType=None, shift=None)img：單通道或多通道的圖像center：圓心坐標radius：半徑，數值為整數類型color：圓線條的顏色thickness:圓線條的粗細，值越大則線條越粗。lineType：線條的類型。CV_AA(采用了高斯濾波)三個值,分別代表8鄰接連接線，4鄰接連接線和反鋸齒連接線，默認值為8鄰接。shift:圓心坐標點和半徑值的小數點位數，數值為整數類型。"""# 圓變換cv.circle(image, (i[0], i[1]), i[2], (0, 0, 255), 2)cv.imshow('detect_circles_demo', image)

總結

以上是生活随笔為你收集整理的霍夫变换——HoughLines、HoughLinesP和HoughCircles的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。