目录:
(一)原理
(二)代码(标准霍夫线变换,统计概率霍夫线变换)
(一)原理
1.霍夫变换(Hough Transform) 霍夫变换是图像处理中从图像中识别几何形状的基本方法之一,应用很广泛,也有很多改进算法。主要用来从图像中分离出具有某种相同特征的几何形状(如,直线,圆等)。最基本的霍夫变换是从黑白图像中检测直线(线段)。
2.Hough变换的原理是将特定图形上的点变换到一组参数空间上,根据参数空间点的累计结果找到一个极大值对应的解,那么这个解就对应着要寻找的几何形状的参数(比如说直线,那么就会得到直线的斜率k与常熟b,圆就会得到圆心与半径等等)
3.霍夫线变换是一种用来寻找直线的方法。用霍夫线变换之前, 首先需要对图像进行边缘检测的处理,也即霍夫线变换的直接输入只能是边缘二值图像。
具体原理:https://blog.csdn.net/ycj9090900/article/details/52944708
(二)代码(标准霍夫线变换,统计概率霍夫线变换)
1 #直线检测
2 #使用霍夫直线变换做直线检测,前提条件:边缘检测已经完成
3 importcv2 as cv4 importnumpy as np5
6 #标准霍夫线变换
7 defline_detection(image):8 gray =cv.cvtColor(image, cv.COLOR_RGB2GRAY)9 edges = cv.Canny(gray, 50, 150, apertureSize=3) #apertureSize参数默认其实就是3
10 cv.imshow