Python-Opencv中直线检测(霍夫变换)
在图像中经常会出现直线或者圆等特殊形状,霍夫变换就可以进行这种特殊形状的检测。
霍夫变换是一个特征提取技术。其可用于隔离图像中特定形状的特征的技术,应用在图像分析、计算机视觉和数字图像处理领域。目的是通过投票程序在特定类型的形状内找到对象的不完美实例。这个投票程序是在一个参数空间中进行的,在这个参数空间中,候选对象被当作所谓的累加器空间中的局部最大值来获得,所述累加器空间由用于计算霍夫变换的算法明确地构建。最基本的霍夫变换是从黑白图像中检测直线(线段)。Hough变换主要优点是能容忍特征边界描述中的间隙,并且相对不受图像噪声的影响。
霍夫变换的基本原理见一篇写得很详细的博文,博文地址为 https://blog.csdn.net/yuyuntan/article/details/80141392 认真研读此篇博文,对理解霍夫变换很有帮助。
1.标准霍夫变换
cv2.HoughLines()
函数三个参数:
第一个参数是输入图像,且必须是二值图像,在进行霍夫变换之前需要采用阈值方法的边缘检测;
第二和第三个参数分别是r,θ对应的精度;
第四个参数是阈值,判定为直线投票数的最小值;
代码实现
import cv2 as cv
import numpy as np
def line_detection(image):
# 变换为灰度图
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
# 进行Canny边缘检测
edge = cv.Canny(gray, 50, 100, apertureSize=3)
cv.imshow("edge", edge)
# 进行霍夫直线运算
lines = cv.HoughLi