Python-OpenCV 笔记2 – 霍夫变换（Hough）

1、标准霍夫变换 HoughLinesP

函数原型：

HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None)

image：8位、二值单通道图片
rho：直线半径的搜索步长，单位为像素
theta：直线角度使得搜索步长，单位为弧度
threshold：累加阈值，只有属于同一直线的点数超过该阈值才会被检测为直线
lines ：存储检测结果，直线用半径和角度表示
min_theta ：检测直线的最小角度，[0, max_theta]
max_theta ：检测直线的最大角度

import cv2
import numpy as np# 读取图片>转为灰度图>canny边缘检测>概率霍夫变换
img = cv2.imread('1.jpg')
gray = cv2.cvtColor(img,cv.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)
lines = cv2.HoughLines(edges,1,np.pi/180,200)# 根据极坐标计算平面坐标
for line in lines:rho,theta = line[0]a = np.cos(theta)b = np.sin(theta)x0 = a*rhoy0 = b*rhox1 = int(x0 + 1000*(-b))y1 = int(y0 + 1000*(a))x2 = int(x0 - 1000*(-b))y2 = int(y0 - 1000*(a))# 画线cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)cv2.imshow('houghlines', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2、概率霍夫变换 HoughLinesP

函数原型：

HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None)

image：8位、二值单通道图片
rho：直线半径的搜索步长，单位为像素
theta：直线角度使得搜索步长，单位为弧度
threshold：累加阈值，只有属于同一直线的点数超过该阈值才会被检测为直线
lines ：存储检测结果1x1x4的矩阵，直线用两点坐标表示（x1, y1, x2, y2）
minLineLength ：检测为直线的最短长度，单位为像素
maxLineGap：直线断点的最大距离

import cv2
import numpy as np  # 读取图像>高斯模糊>边缘检测
img = cv2.imread("1.jpg")
img = cv2.GaussianBlur(img, (3,3), 0)
edges = cv2.Canny(img, 50, 150, apertureSize = 3)# 概率霍夫变换
minLineLength = 200
maxLineGap = 15
lines = cv2.HoughLinesP(edges, 1, np.pi/180, 80, minLineLength, maxLineGap)
# lines = np.squeeze(lines)# 画线
for line in lines:x1,y1,x2,y2 = line[0]cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)cv2.imshow('HoughLinesP', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

Python-OpenCV 笔记3 -- 霍夫变换（Hough）相关推荐

python+OpenCV笔记（二十四）：Shi-Tomasi角点检测
Shi-Tomasi角点检测原理 python+OpenCV笔记(二十二):角点检测原理(Harris角点检测原理.Shi-Tomasi角点检测原理)https://blog.csdn.net/qq ...
python+OpenCv笔记（十三）：边缘检测——Sobel检测算子
Sobel检测算子概述: Sobel边缘检测算法比较简单,实际应用中效率比canny边缘检测效率要高,但是边缘不如Canny检测的准确,但是很多实际应用的场合,sobel边缘却是首选,Sobel算子 ...
Opencv 笔记8 霍夫变换
一.霍夫变换Hough Hough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.Hough变换的基本原理在于利用点与线的对偶性,将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点.这 ...
python+OpenCV笔记（三十七）：检测运动物体——使用MOG/KNN背景差分器
目录一.基本背景差分器二.MOG背景差分器流程代码编写三.KNN背景差分器目前,许多运动检测技术都是基于简单的背景差分概念的,即假设摄像头(视频)的曝光和场景中的光照条件是稳定的,当摄像头 ...
python+OpenCV笔记（三十五）：特征匹配——基于FLANN的匹配、基于FLANN进行单应性匹配
目录一.基于FLANN的匹配 FLANN匹配流程: 代码编写二.基于FLANN进行单应性匹配什么是单应性? FLANN进行单应性匹配流程代码编写 FLANN库全称是Fast Library f ...
python+OpenCv笔记（六）：图像的几何变换（缩放、平移、旋转、仿射、透射、金字塔）
一.图像的缩放 OpenCv API: cv2.resize(src, dsize, fx, fy, interpolation) 参数: src:输入的图像 dsize:绝对尺寸,直接将图像调整为指 ...
python+OpenCv笔记（七）：图像的形态学操作（腐蚀与膨胀、开闭运算、礼帽与黑帽）
一.腐蚀与膨胀腐蚀就是原图中高亮的部分被蚕食,效果图拥有比原图更小的高亮区域. 腐蚀的作用是:消除物体边界点,使目标缩小,可以消除小于结构元素的噪声点. 膨胀就是使原图中高亮的部分扩张,效果图拥有比 ...
python+OpenCv笔记（十七）：模板匹配
模板匹配 OpenCV框架提供了用于对象检测.跟踪和计数的许多不同方法.其中,模板匹配是OpenCV中最基本的对象检测方法之一. OpenCV API: res = cv.matchTemplate( ...
python+OpenCv笔记（二）：绘制几何图形
一.绘制直线 cv.line(img,pt1,pt2,color,thickness,lineType) 参数: img:要绘制的图像 pt1 pt2:绘制的起点与终点 color:颜色 thickn ...
python+OpenCV笔记（二十）：滤波函数——filter2D
filter2D用于将自定义的滤波器应用于图像,需要为这个函数提供的一个重要参数就是核矩阵. 该函数非常强大,可以生成很多种不同的结果,包括与之前的模糊函数相同的结果,不同的核还可以形成很多不同的滤波 ...

Python-OpenCV 笔记3 -- 霍夫变换（Hough）

Python-OpenCV 笔记2 – 霍夫变换（Hough）

1、标准霍夫变换 HoughLinesP

2、概率霍夫变换 HoughLinesP

Python-OpenCV 笔记3 -- 霍夫变换（Hough）相关推荐

最新文章

热门文章