opencv-霍夫变换

霍夫变换（Hough Transform）是一种图像处理技术，用于检测图像中的直线、圆和其他简单形状。它通过将图像空间（像素空间）中的点映射到参数空间，从而将形状检测问题转换为参数空间中的峰值检测问题。霍夫变换最常用的应用是直线检测和圆检测。

1. 直线检测

在直线检测中，霍夫变换将图像中的点映射到直线参数空间。通常有两种表示直线的方式：

• 标准方程： ( y = mx + c )
• 极坐标方程： ( \rho = x \cos \theta + y \sin \theta )

其中，(\rho) 是从原点到直线的垂直距离，(\theta) 是从x轴正方向逆时针旋转到该垂直线的角度。

OpenCV中的霍夫直线变换

在OpenCV中，有两种实现霍夫直线变换的方法：

1. 标准霍夫变换 cv2.HoughLines
2. 概率霍夫变换 cv2.HoughLinesP

标准霍夫变换 cv2.HoughLines

import cv2
import numpy as np

# 读取图像并转换为灰度图
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 应用Canny边缘检测
edges = cv2.Canny(gray, 50, 150, apertureSize=3)

# 标准霍夫变换
lines = cv2.HoughLines(edges, 1, np.pi / 180, 200)

# 绘制检测到的直线
if lines is not None:
    for rho, theta in lines[:, 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))
        cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)

cv2.imshow('Detected Lines', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

概率霍夫变换 cv2.HoughLinesP

import cv2
import numpy as np

# 读取图像并转换为灰度图
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 应用Canny边缘检测
edges = cv2.Canny(gray, 50, 150, apertureSize=3)

# 概率霍夫变换
lines = cv2.HoughLinesP(edges, 1, np.pi / 180, threshold=100, minLineLength=100, maxLineGap=10)

# 绘制检测到的直线
if lines is not None:
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)

cv2.imshow('Detected Lines', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

2. 圆检测

霍夫圆变换是霍夫变换的另一种形式，用于检测图像中的圆。

OpenCV中的霍夫圆变换

在OpenCV中，可以使用 cv2.HoughCircles 来实现霍夫圆变换。

import cv2
import numpy as np

# 读取图像并转换为灰度图
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 应用高斯模糊
gray = cv2.GaussianBlur(gray, (9, 9), 2)

# 霍夫圆变换
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, dp=1.2, minDist=30, param1=50, param2=30, minRadius=10, maxRadius=100)

# 绘制检测到的圆
if circles is not None:
    circles = np.uint16(np.around(circles))
    for i in circles[0, :]:
        cv2.circle(img, (i[0], i[1]), i[2], (0, 255, 0), 2)
        cv2.circle(img, (i[0], i[1]), 2, (0, 0, 255), 3)

cv2.imshow('Detected Circles', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

总结

• 霍夫直线变换：可以使用标准霍夫变换（cv2.HoughLines）和概率霍夫变换（cv2.HoughLinesP）来检测图像中的直线。标准霍夫变换适用于检测直线较多的场景，而概率霍夫变换更适合检测少量且较长的直线。
• 霍夫圆变换：可以使用 cv2.HoughCircles 检测图像中的圆形物体。通过调节参数，可以检测不同大小和不同间距的圆。

霍夫变换在图像处理和计算机视觉中有广泛的应用，尤其适用于检测图像中的几何形状，如直线和圆。