python skimage图像处理(三)
霍夫线变换
在图片处理中，霍夫变换主要是用来检测图片中的几何形状，包括直线、圆、椭圆等。
在skimage中，霍夫变换是放在tranform模块内，本篇主要讲解霍夫线变换。
对于平面中的一条直线，在笛卡尔坐标系中，可用y=mx+b来表示，其中m为斜率，b为截距。但是如果直线是一条垂直线，则m为无穷大，所有通常我们在另一坐标系中表示直线，即极坐标系下的r=xcos(theta)+ysin(theta)。即可用(r,theta)来表示一条直线。其中r为该直线到原点的距离，theta为该直线的垂线与x轴的夹角。如下图所示。
对于一个给定的点(x0,y0), 我们在极坐标下绘出所有通过它的直线(r,theta)，将得到一条正弦曲线。如果将图片中的所有非0点的正弦曲线都绘制出来，则会存在一些交点。所有经过这个交点的正弦曲线，说明都拥有同样的(r,theta), 意味着这些点在一条直线上。
发上图所示，三个点(对应图中的三条正弦曲线)在一条直线上，因为这三个曲线交于一点，具有相同的(r, theta)。霍夫线变换就是利用这种方法来寻找图中的直线。
函数：
返回三个值：
h: 霍夫变换累积器
theta: 点与x轴的夹角集合，一般为0-179度
distance: 点到原点的距离，即上面的所说的r.
例：
从右边那张图可以看出，有两个交点，说明原图像中有两条直线。
如果我们要把图中的两条直线绘制出来，则需要用到另外一个函数：
用这个函数可以取出峰值点，即交点，也即原图中的直线。
返回的参数与输入的参数一样。我们修改一下上边的程序，在原图中将两直线绘制出来。
注意，绘制线条的时候，要从极坐标转换为笛卡尔坐标，公式为：
skimage还提供了另外一个检测直线的霍夫变换函数，
概率霍夫线变换：
参数：
返回：
下面，我们用canny算子提取边缘，然后检测哪些边缘是直线？
在极坐标中，圆的表示方式为：
圆心为(x0,y0),r为半径，θ为旋转度数，值范围为0-359
如果给定圆心点和半径，则其它点是否在圆上，我们就能检测出来了。在图像中，我们将每个非0像素点作为圆心点，以一定的半径进行检测，如果有一个点在圆上，我们就对这个圆心累加一次。如果检测到一个圆，那么这个圆心点就累加到最大，成为峰值。因此，在检测结果中，一个峰值点，就对应一个圆心点。
霍夫圆检测的函数：
radius是一个数组，表示半径的集合，如[3，4，5，6]
返回一个3维的数组(radius index, M, N), 第一维表示半径的索引，后面两维表示图像的尺寸。
例1：绘制两个圆形，用霍夫圆变换将它们检测出来。
结果图如下：原图中的圆用白色绘制，检测出的圆用红色绘制。
例2，检测出下图中存在的硬币。
椭圆变换是类似的，使用函数为：
输入参数：
返回一个 [(accumulator, y0, x0, a, b, orientation)] 数组，accumulator表示累加器，(y0,x0)表示椭圆中心点，(a,b)分别表示长短轴，orientation表示椭圆方向
例：检测出咖啡图片中的椭圆杯口
霍夫椭圆变换速度非常慢，应避免图像太大。
在前面的python数字图像处理(10)：图像简单滤波 中，我们已经讲解了很多算子用来检测边缘，其中用得最多的canny算子边缘检测。
本篇我们讲解一些其它方法来检测轮廓。
1、查找轮廓(find_contours)
measure模块中的find_contours()函数，可用来检测二值图像的边缘轮廓。
函数原型为：
array: 一个二值数组图像
level: 在图像中查找轮廓的级别值
返回轮廓列表集合，可用for循环取出每一条轮廓。
例1：
结果如下：不同的轮廓用不同的颜色显示
例2：
2、逼近多边形曲线
逼近多边形曲线有两个函数：subdivide_polygon()和 approximate_polygon()
subdivide_polygon()采用B样条(B-Splines)来细分多边形的曲线，该曲线通常在凸包线的内部。
函数格式为：
coords: 坐标点序列。
degree: B样条的度数，默认为2
preserve_ends: 如果曲线为非闭合曲线，是否保存开始和结束点坐标，默认为false
返回细分为的坐标点序列。
approximate_polygon()是基于Douglas-Peucker算法的一种近似曲线模拟。它根据指定的容忍值来近似一条多边形曲线链，该曲线也在凸包线的内部。
函数格式为:
coords: 坐标点序列
tolerance: 容忍值
返回近似的多边形曲线坐标序列。
例：
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
