原标题&＃xff1a;使用霍夫变换和OpenCV以及Python实现形状的检测
今天&＃xff0c;我们将学习如何借助称为霍夫变换的技术来检测图像中的直线和圆。在开始对图像应用霍夫变换之前&＃xff0c;我们需要了解霍夫空间是什么&＃xff0c;我们将通过示例的方式来学习。
1、参数空间
当我们处理图像时&＃xff0c;我们可以想象图像是在某些x和y坐标上的2d矩阵&＃xff0c;在此之下&＃xff0c;一条线可以描述为 y &＃61; mx &＃43; b
但是在参数空间(我们将其称为霍夫空间)中&＃xff0c;我可以代表与mvs 相同的线b&＃xff0c;因此图像空间上线的特征将是m-b霍夫空间中该位置的单点。
但是&＃xff0c;我们有一个问题&＃xff0c;使用y &＃61; mx &＃43; b&＃xff0c;由于斜率是无限的&＃xff0c;因此我们无法表示垂直线。因此&＃xff0c;我们需要一种更好的参数化方法&＃xff0c;即极坐标(rho和theta)。
2、霍夫空间
(1)rho&＃xff1a;描述直线到原点的距离&＃xff1b;(2)theta&＃xff1a;描述与水平面的夹角&＃xff1b;
但是&＃xff0c;一个非常重要的问题是&＃xff0c;当我们围绕一条线取多个点并转换为霍夫空间时&＃xff0c;会发生什么。
图像空间上的单个点转换为霍夫空间上的曲线&＃xff0c;其特殊之处在于&＃xff0c;图像空间上一条线之间的点将由具有单个接触点的多条曲线表示。这将是我们的目标&＃xff0c;找到一组曲线相交的点。
3、什么是霍夫变换&＃xff1f;
霍夫变换是一种特征提取方法&＃xff0c;用于检测图像中的简单形状&＃xff0c;例如圆形&＃xff0c;直线等。“简单”特性是根据参数的形状表示得出的。“简单”形状仅由几个参数表示&＃xff0c;例如&＃xff0c;一条线可以由其斜率和截距表示&＃xff0c;或者可以由x&＃xff0c;y和半径表示。在我们的示例中&＃xff0c;霍夫变换将负责处理图像上的点并计算霍夫空间中的值。用于进行转换并随后找到相交曲线的算法有点复杂&＃xff0c;因此不在本文讨论范围之内。但是&＃xff0c;我们将看一下该算法的实现&＃xff0c;它是OpenCV库的一部分。
4、使用OpenCV检测线
在OpenCV中&＃xff0c;使用Hough变换检测线中的功能被实现HoughLines和HoughLinesP(概率Hough变换)。我们将专注于后者。该函数需要以下参数&＃xff1a;
(1)image&＃xff1a;8位单通道二进制源图像。该图像可以通过该功能进行修改。
(2)lines&＃xff1a;行的输出向量。每条线由4个元素的向量(x_1&＃xff0c;y_1&＃xff0c;x_2&＃xff0c;y_2)表示&＃xff0c;其中(x_1&＃xff0c;y_1)和(x_2&＃xff0c;y_2)是每个检测到的线段的终点。
(3)rho&＃xff1a;累加器的距离分辨率(以像素为单位)。
(4)theta&＃xff1a;累加器的角度分辨率(以弧度为单位)。
(5)threshold&＃xff1a;累加器阈值参数。仅返回那些获得足够投票的行
(6)minLineLength&＃xff1a;最小行长。短于此的线段将被拒绝。
(7)maxLineGap&＃xff1a;同一条线上的点之间允许链接的最大间隙。太复杂&＃xff1f;一个例子更容易理解&＃xff1a;
结果如下&＃xff1a;
非常重要的一点是&＃xff0c;我们实际上使用仅边缘图像作为Hough变换的参数&＃xff0c;否则该算法将无法按预期工作。
5、使用OpenCV检测圆圈
该过程与行的过程大致相同&＃xff0c;除了这次我们将使用与OpenCV库不同的函数。即now HoughCircles&＃xff0c;它接受以下的参数&＃xff1a;
(1)image&＃xff1a;8位单通道灰度输入图像。
(2)circles&＃xff1a;找到的圆的输出向量。每个向量都被编码为3元素浮点向量(x&＃xff0c;y&＃xff0c;radius)。
(3)circle_storage&＃xff1a;在C函数中&＃xff0c;这是一个存储器存储&＃xff0c;其中将包含找到的圆的输出序列。
(4)method&＃xff1a;使用的检测方法。当前&＃xff0c;唯一实现的方法是CV_HOUGH_GRADIENT&＃xff0c;基本上是21HT
(5)dp&＃xff1a;累加器分辨率与图像分辨率的反比。例如&＃xff0c;如果dp &＃61; 1&＃xff0c;则累加器具有与输入图像相同的分辨率。如果dp &＃61; 2&＃xff0c;则累加器的宽度和高度是其一半。
(6)minDist&＃xff1a;检测到的圆心之间的最小距离。如果参数太小&＃xff0c;则除了真实的圆圈外&＃xff0c;还可能会错误地检测到多个邻居圆圈。如果太大&＃xff0c;可能会错过一些圆圈。
(7)param1&＃xff1a;第一个方法特定的参数。对于CV_HOUGH_GRADIENT&＃xff0c;它是传递给Canny()边缘检测器的两个阈值中的较高阈值(较低的阈值是较小的两倍)。
(8)param2&＃xff1a;第二个方法特定的参数。在CV_HOUGH_GRADIENT的情况下&＃xff0c;它是检测阶段圆心的累加器阈值。它越小&＃xff0c;可能会检测到更多的假圆圈。与较大的累加器值相对应的圆将首先返回。
(9)minRadius&＃xff1a;最小圆半径。
(10)maxRadius&＃xff1a;最大圆半径。
请记住&＃xff0c;参数必须有所不同&＃xff0c;因为我们无法用与用于线相同的参数化描述圆&＃xff0c;而是需要使用像的方程(x - x0)^^2 &＃43; (y - y0)^^2 &＃61; r^^2&＃xff1a;
请注意&＃xff0c;与之前的示例相比&＃xff0c;此处我们未应用任何边缘检测功能。这是因为该函数HoughCircles具有内置的canny检测。检测结果&＃xff1a;
6、结尾
霍夫变换是一种用于检测图像中简单形状的出色技术&＃xff0c;它具有多种应用&＃xff0c;从医学应用(例如X射线&＃xff0c;CT和MRI分析)到自动驾驶汽车。如果你想了解有关Hough空间的更多信息&＃xff0c;建议你自己实际操作一遍运行代码&＃xff0c;自己尝试不同的配置&＃xff0c;并查看OpenCV官方文档以获取更多的信息。谢谢阅读&＃xff01;返回搜狐&＃xff0c;查看更多
责任编辑&＃xff1a;
京公网安备 11010802041100号