Python-霍夫直线检测、霍夫圆检测代码实现

上一篇文章介绍了霍夫直线检测和霍夫圆检测的原理，这篇文章主要是python实现霍夫直线检测、霍夫圆检测。

霍夫直线检测代码实现

使用HoughLines和HoughLinesP两种函数实现霍夫直线检测。

import cv2 as cv
import numpy as np


def line_detection(image):  # 直线检测
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    edges = cv.Canny(gray, 120, 255, apertureSize=3)  # apertureSize是sobel算子窗口大小
    lines = cv.HoughLines(edges, 1, np.pi / 180, 300)  # 指定步长为1的半径和步长为π/180的角来搜索所有可能的直线
    """
	HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None)
	第一个参数image：是canny边缘检测后的图像
	
	第二个参数rho和第三个参数theta：对应直线搜索的步长。在本例中，函数将通过步长为1的半径和步长为π/180的角来搜索所有可能的直线。
	
	最后一个参数threshold：是经过某一点曲线的数量的阈值，超过这个阈值，就表示这个交点所代表的参数对(rho, theta)在原图像中为一条直线

    """
    # 将求得交点坐标反代换进行直线绘制
    for line in lines:
        #  print(type(lines))
        rho, theta = line[0]  # 获取极值ρ长度和θ角度
        a = np.cos(theta)
        b = np.sin(theta)
        x0 = a * rho  # 获取x轴值
        y0 = b * rho
        x1 = int(x0 + 1000 * (-b))  # 获取这条直线最大值点x1
        y1 = int(y0 + 1000 * (a))
        x2 = int(x0 - 1000 * (-b))
        y2 = int(y0 - 1000 * (a))  # 获取这条直线最小值点y2　　其中*1000是内部规则/
        cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)  # 划线
    cv.imshow("image-lines", image)


def line_detect_possible_demo(image):  # 检测出可能的线段
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    edges = cv.Canny(gray, 120, 255, apertureSize=3)
    lines = cv.HoughLinesP(edges, 1, np.pi / 180, 20, minLineLength=10, maxLineGap=10)
    """
	HoughLinesP概率霍夫变换（是加强版）使用简单，效果更好，检测图像中分段的直线（而不是贯穿整个图像的直线)
	第一个参数是需要处理的原图像，该图像必须为cannay边缘检测后的图像；
	
	第二和第三参数：步长为1的半径和步长为π/180的角来搜索所有可能的直线
	
	第四个参数是阈值，概念同霍夫变换
	
	第五个参数：minLineLength-线的最短长度，比这个线短的都会被忽略。
	
	第六个参数：maxLineGap-两条线之间的最大间隔，如果小于此值，这两条线就会被看成一条线
    """
    for line in lines:
        #   print(type(line))
        x1, y1, x2, y2 = line[0]
        cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)
    cv.imshow("line_detect_possible_demo", image)

src = cv.imread("qipan.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
line_detection(src.copy())
line_detect_possible_demo(src.copy())
cv.waitKey(0)

cv.destroyAllWindows()

从左到右分别为：原图、HoughLines执行结果、HoughLinesP执行结果。对比来看HoughLinesP概率霍夫变换会检测到更多的直线。

霍夫圆检测代码实现

使用HoughCircles实现霍夫圆检测，并演示 minDist 的值对检测效果的影响。

import  cv2

src = cv2.imread('qipan.jpg')
cv2.imshow('src_img',src)
gray=cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)

# 输出图像大小，方便根据图像大小调节minRadius和maxRadius
# 演示 minDist 的值对检测效果的影响
minDists = [10,25,50]
imgcopy = [src.copy(),src.copy(),src.copy()]
for minDist,imgcopy in zip(minDists,imgcopy):
    circles= cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,dp=1,minDist=minDist,param1=100,param2=30,minRadius=15,maxRadius=20)

    print('circles',circles)                         # 查看返回值
    print('len(circles[0])',len(circles[0]))         # 输出检测到圆的个数

    print('-------------------------------------')

    for circle in circles[0]:
        x=int(circle[0])                             # 坐标行列
        y=int(circle[1])
        r=int(circle[2])                             # 半径
        img=cv2.circle(imgcopy,(x,y),r,(0,0,255),2)  # 在原图用指定颜色标记出圆的位置
    cv2.imshow('circle_img_'+str(minDist),img)       # 显示新图像
    cv2.waitKey(0)
cv2.destroyAllWindows()

从左到右分别为：minDist = 10、25、50的运行结果。可以看到minDist值越大检测到的圆越少。