14 --OpenCV学习—霍夫变换

1.霍夫线检测

1.1 API：

cv.HoughLines(img, rho, theta, threshold)

参数：

• img：检测的图像，要求是二值化的图像，所以在调用霍夫变换之前首先要进行二值化，或者进行Canny边缘检测
• rho、theta:精确度
• threshold:阈值，只有累加器中的值高于该阈值时才被认为是直线。

1.2 示例:

import numpy as np
import random
import cv2 as cv
import matplotlib.pyplot as plt
#1.加载图片，转为二值图
img = cv.imread('images/rili.jpg')
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
edges = cv.Canny(gray, 50, 150)
#2.霍夫直线变换
lines = cv.HoughLines(edges, 0.8, np.pi / 180, 150)
#3.将检测的线绘制在图像上（注意是极坐标噢）
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, 255, 0))
#4.图像显示
plt.figure(figsize=(10, 8), dpi=100)
plt.imshow(img[:, :, ::-1]), plt.title('霍夫变换线检测')
plt.xticks([]), plt.yticks([])
plt.show()

2.霍夫圆检测

2.1 API

在OpenCV中检测图像中的圆环使用的是API是：

v.HoughCircles(image, method, dp, minDist, paraml=100, param2=100, minRadius=0,maxRadius=0

参数：

• image：输入图像，应输入灰度图像
• method:使用霍夫变换圆检测的算法，它的参数是CV_HOUGH_GRADIENT
• dp：霍夫空间的分辨率，dp=1时表示霍夫空间与输入图像空间的大小一致，dp=2时霍夫空间是输入图像空间的一半，以此类推minDist为圆心之间的最小距离，如果检测到的两个圆心之间距离小于该值，则认为它们是同一个圆心
• param1：边缘检测时使用Canny算子的高阈值，低阈值是高阈值的一半。
• param2：检测圆心和确定半径时所共有的阈值minRadius和maxRadius为所检测到的圆半径的最小值和最大值

返回：

• circles：输出圆向量，包括三个浮点型的元素一一圆心横坐标，圆心纵坐标和圆半径

3.总结：

1.模板匹配
原理：在给定的图片中查找和模板最相似的区域
API：利用cv.matchTemplate0进行模板匹配，然后使用cv.minMaxLoc0搜索最匹配的位置。
2.霍夫线检测
原理：将要检测的内容转换到霍夫空间中，利用累加器统计最优解，将检测结果表示处理
API: cv2.HoughLines
注意：该方法输入是的二值化图像，在进行检测前要将图像进行二值化处理
3.霍夫圆检测
方法：霍夫梯度法