Opencv4 -Python官方教程学习笔记25---霍夫线变换

目标

在这一章当中， - 我们将了解霍夫变换的概念。 - 我们将看到如何使用它来检测图像中的线条。 - 我们将看到以下函数：cv.HoughLines()，cv.HoughLinesP()

理论

如果可以用数学形式表示形状，则霍夫变换是一种检测任何形状的流行技术。即使形状有些破损或变形，也可以检测出形状。我们将看到它如何作用于一条线。

一条线可以表示为y=mx+c
或以参数形式表示为ρ=xcosθ+ysinθ，其中ρ是从原点到该线的垂直距离，而θ是由该垂直线和水平轴形成的角度以逆时针方向测量（该方向随您如何表示坐标系而变化。此表示形式在OpenCV中使用）。查看下面的图片：
因此，如果线在原点下方通过，则它将具有正的ρ且角度小于180。如果线在原点上方，则将角度取为小于180，而不是大于180的角度。ρ取负值。任何垂直线将具有0度，水平线将具有90度。
现在，让我们看一下霍夫变换如何处理线条。任何一条线都可以用(ρ，θ)这两个术语表示。因此，首先创建2D数组或累加器（以保存两个参数的值），并将其初始设置为0。让行表示ρ，列表示θ。阵列的大小取决于所需的精度。假设您希望角度的精度为1度，则需要180列。对于ρ，最大距离可能是图像的对角线长度。因此，以一个像素精度为准，行数可以是图像的对角线长度。
代码如下：

import cv2 as cv
import numpy as np
path = path = r'D:\Laboratory\Study\Computer Vision\opencv4-python\chedao.png'
img = cv.imread(cv.samples.findFile(path))
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)      #灰度化
edges = cv.Canny(gray,50,150,apertureSize = 3)  #canny边缘检测
lines = cv.HoughLines(edges,1,np.pi/180,200)   #图片，步长，角度，阈值分割的低值
for line in lines:
    rho,theta = line[0]
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a*rho
    y0 = b*rho
    x1 = int(x0 + 1000*(-b))
    y1 = int(y0 + 1000*(a))
    x2 = int(x0 - 1000*(-b))
    y2 = int(y0 - 1000*(a))
    cv.line(img,(x1,y1),(x2,y2),(0,0,255),2)
    cv.imshow('img',img)

结果如下：

概率霍夫变换

在霍夫变换中，您可以看到，即使对于带有两个参数的行，也需要大量计算。概率霍夫变换是我们看到的霍夫变换的优化。它没有考虑所有要点。取而代之的是，它仅采用随机的点子集，足以进行线检测。只是我们必须降低阈值。参见下图，比较了霍夫空间中的霍夫变换和概率霍夫变换。
OpenCV的实现基于Matas,J.和Galambos,C.和Kittler, J.V.使用渐进概率霍夫变换对行进行的稳健检测[145]。使用的函数是cv.HoughLinesP()。它有两个新的论点。 - minLineLength - 最小行长。小于此长度的线段将被拒绝。 - maxLineGap - 线段之间允许将它们视为一条线的最大间隙。

最好的是，它直接返回行的两个端点。在以前的情况下，您仅获得线的参数，并且必须找到所有点。在这里，一切都是直接而简单的。
代码：

import cv2 as cv
import numpy as np
path = path = r'D:\Laboratory\Study\Computer Vision\opencv4-python\chedao.png'
img = cv.imread(cv.samples.findFile(path))
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)      #灰度化
edges = cv.Canny(gray,50,150,apertureSize = 3)  #canny边缘检测
#maxLineGap：断点像个像素
lines = cv.HoughLinesP(edges,1,np.pi/180,100,minLineLength=100,maxLineGap=10)       
for line in lines:
    x1,y1,x2,y2 = line[0]
    cv.line(img,(x1,y1),(x2,y2),(0,255,0),2)
    cv.imshow('img',img)

结果如下：