亲宝软件园·资讯

展开

Python OpenCV Hough

乔卿 人气:0

直线检测原理

核心要点:图像坐标空间、参数空间、极坐标参数空间 -> (极坐标)参数空间表决

给定一个点,我们一般会写成y=ax+b的形式,这是坐标空间的写法;我们也可以写成b=-xa+y的形式,这是参数空间的写法。也就是说,给定一个点,那么经过该点的直线的参数必然满足b=-xa+y这一条件,也就是必然在参数空间中b=-xa+y这条直线上。如果给定两个点,那么这两点确定的唯一的直线的参数,就是参数空间中两条参数直线的交点。

由于上述写法不适合处理水平或垂直的直线,我们可以使用极坐标的形式描述直线,即ρ=xcosθ+ysinθ,其中ρ是从原点到直线的垂直距离,θ是由这条垂直线和水平轴形成的角度(以逆时针方向测量),

如下图所示:

因此,任何垂直线θ=0,水平线θ=90°。那么极坐标参数空间中的曲线交点就是由两个点确定的一条直线,如下图所示。

现在让我们看看Hough变换是如何处理直线的。任何一条线都可以用这两个参数来表示(ρ,θ)。

枚举完成所有点之后,累加器中值最大的(若干个)参数组合(ρ,θ)就是经过点最多的(若干条)直线,如下图所示,两条直线对应累加器中最亮的两个点。

总的来说,对于多个点,我们可以用(离散)参数空间表决的方法,记录每个点对应的允许的参数组合,求得那些被允许次数最多的参数组合,就是最多点经过的直线。

在图像矫正任务中,我们经过Canny算子检测出了若干边缘点,这些点主要集中在四个边界上,因此我们只需要使用Hough直线检测,求出四条直线,就能确定四个边界。

OpenCV实现

cv.HoughLines()封装了上述步骤,该函数原型为:

cv.HoughLines(image, rho, theta, threshold[, lines[, srn[, stn[, min_theta[, max_theta]]]]]) -> lines

参数:

下面是具体代码:

def hough_detect(image_path):
    # 读取图像并转换为灰度图像
    image = cv2.imread(image_path)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 使用Canny算子检测边缘
    edges = canny_detect(image_path, False)
    # 使用Hough检测直线
    lines = cv2.HoughLines(edges, 1, np.pi/180, 200)
    # 绘制直线
    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(image, (x1, y1), (x2, y2), (0, 0, 255), 2)
    cv2.imshow('line,jpg', image)
    cv2.waitKey()
hough_detect('images/2.jpeg')

效果:

后面需要调整一下超参数。

加载全部内容

相关教程
猜你喜欢
用户评论