数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究Python 中使用 OpenCV 进行线条检测？
在这篇文章中，我们将学习如何使用一种称为霍夫变换的技术来检测图像中的线条。
霍夫变换？
霍夫变换是一种特征提取方法，用于检测任何简单的形状，只要您可以用数学形式表示该形状。即使形状稍微断裂或扭曲，它也能设法检测到形状。我们将了解它如何用于检测线条。
“简单”形状是指可以用少数几个参数表示的形状。例如，一条直线只需要两个参数（斜率、截距）就可以表示，而一个圆需要三个参数——圆心的坐标和半径（x、y、r）。
使用霍夫变换从图像中检测线条
一条直线可以用方程表示——或者可以用参数形式表示为，其中（ρ）是原点到直线的垂直距离，而ϴ是这条垂直线与水平轴形成的角度，以逆时针方向测量（OpenCV 使用这种表示方法）。请查看下图
因此，如果直线穿过原点下方，则其ρ为正，角度小于180。如果它穿过原点上方，则不采用大于180的角度，而是采用小于180的角度，并将ρ取为负值。任何垂直线都将具有0度，而水平线将具有90度。
累加器
任何直线都可以用这两个参数（ρ，ϴ）表示。因此，它首先创建一个二维数组或累加器（用于保存这两个参数的值），并且最初将其设置为0。其中行表示ρ，列表示ϴ。数组的大小取决于我们所需的精度，例如，如果我们需要角度精度为1度，则需要180列，而ρ是可能的最大距离，即图像的对角线长度，ρ是可能的最大距离，即图像的对角线长度。因此，采用1像素精度，行数可以是图像的对角线长度。
假设我们有一个100*100的图像，中间有一条水平线。取直线的第一个点，我们知道它的（x，y）值。现在，在方程中，将ϴ设置为0、1、2、3…180，并检查得到的ρ值。对于每个（ρ，ϴ）对，在累加器中相应（ρ，ϴ）单元格的值加1。因此，现在在累加器中，单元格（50，90）= 1，以及其他一些单元格。现在取直线上的第二个点。重复我们对第一个点所做的相同过程。增加您获得的（ρ，ϴ）对应单元格的值。这一次，单元格（50，90）= 2。因此，我们实际上是在对（ρ，ϴ）值进行投票。我们对直线上的每个点都重复此过程。在每个点上，单元格（50，90）将被递增或投票，而其他单元格可能不会被投票。这样，最后，单元格（50，90）将获得最多的投票。因此，如果您在累加器中搜索获得最多投票的单元格，则会得到值（50，90），这意味着图像中有一条直线，距离原点50像素，角度为90度。这就是霍夫变换用于直线检测的工作原理。
OpenCV 中的霍夫变换
上面解释的所有内容都封装在 OpenCV 函数cv2.HoughLines()中。它只返回一个（ρ，ϴ）值的数组，其中ρ以像素为单位测量，ϴ以弧度为单位测量。
下面是用 OpenCV 和霍夫直线变换进行线条检测的程序。
下面是停车场的实际图像，我们将使用霍夫直线变换和 OpenCV 库对该图像进行线条检测。
示例
import cv2
import numpy as np
img = cv2.imread("parkingLot1.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 75, 150)
lines = cv2.HoughLinesP(edges, 1, np.pi/180, 30, maxLineGap=250)
for line in lines:
x1, y1, x2, y2 = line[0]
cv2.line(img, (x1, y1), (x2, y2), (0, 0, 128), 1)
cv2.imshow("linesEdges", edges)
cv2.imshow("linesDetected", img)
cv2.waitKey(0)
cv2.destroyAllWindows()结果
以及检测到的线条−
3K+ 次查看
