霍夫直线检测的原理 略
直接上代码:
一、首先导入图片,并进行高斯滤波降噪
src = cv.imread("D:/pythonTest/img/9.jpg")
cv.imshow("input",src)
src = cv.GaussianBlur(src,(3,3),0)
我用的是这幅图:
二、获取图像的轮廓
#获取边缘
edges = cv.Canny(src,150,300,apertureSize=3)
cv.imshow("edges",edges)
获取边缘后如下:
接下来有两种方法可以提取直线:
方法一:
lines = cv.HoughLines(edges,1,np.pi/180,130,None,0,0)
if lines is not None:
for i in range(0,len(lines)):
rho = lines[i][0][0]
theta = lines[i][0][1]
a = math.cos(theta)
b = math.sin(theta)
x0 = a*rho
y0 = b*rho
pt1 = (int(x0 + 1000*(-b)),int(y0+a*1000))
pt2 = (int(x0 - 1000*(-b)),int(y0-a*1000))
cv.line(src,pt1,pt2,(0,0,255),2,8,0)
cv.imshow("hough-lines",src)
中间这部分的获取极坐标的值并转化为平面直角坐标的过程 略。本菜鸡觉得只需要记住变化的代码就好了,比如记住pt1和pt2的公式。
重点:cv.HoughLines(edges,1,np.pi/180,130,None,0,0) 里的参数分别是:
(轮廓图,
步长[通常为1],
角度单位[通常为np.pi/180],
阈值[可以重点调整,相当于需要多少点拟合才算直线],
目标输出,
0[如果不是多尺度,一般为0],
0[如果不是多尺度,一般为0])
于是得到下图:
可以看到选出了部分直线,但效果有差距,可以通过调整阈值再做尝试
方法二:
image = np.copy(src)
lines_p = cv.HoughLinesP(edges,1,np.pi/180,130,None,50,10)
if lines_p is not None:
for i in range(0,len(lines_p)):
l = lines_p[i][0]
cv.line(image,(l[0],l[1]),(l[2],l[3]),(0,0,255),2,8,0)
cv.imshow("hough-linesP",image)
重点:cv.HoughLinesP(edges,1,np.pi/180,130,None,50,10) 里的参数含义
(轮廓图,
步长[通常为1],
角度单位[通常为np.pi/180],
阈值[可以重点调整,相当于需要多少点拟合才算直线],
目标输出,
拟合直线的点不能小于的阈值[可以重点调整],
间断的点不能大于的阈值[可以重点调整])
获得如下图:
这个是比较理想的车道线拟合了。