【学习OpenCV4】霍夫变换总结_霍夫转换运行成功图片

本文分享内容来自图书《学习OpenCV 4：基于Python的算法实战》，该书内容如下：

第1章 OpenCV快速入门；
第2章 图像读写模块imgcodecs；
第3章 核心库模块core；
第4章 图像处理模块imgproc（一）；
第5章 图像处理模块imgproc（二）；
第6章 可视化模块highgui；
第7章 视频处理模块videoio；
第8章 视频分析模块video；
第9章 照片处理模块photo；
第10章 2D特征模块features2d；
第11章 相机标定与三维重建模块calib3d；
第12章 传统目标检测模块objdetect；
第13章 机器学习模块ml；
第14章 深度神经网络模块dnn
1
2
3
4
5
6
7
8
9
10
11
12
13
14

欢迎关注图书《深度学习计算机视觉实战》与《学习OpenCV4：基于Python的算法实战》。

霍夫变换是图像处理中识别基本形状（如线、圆）的方法之一，OpenCV封装了利用霍夫变换检测直线和圆的算法。

5.1.1 案例48：霍夫线变换

OpenCV中支持三种霍夫线变换，即标准霍夫变换和多尺度霍夫变换（HoughLines函数）和累积概率霍夫变换（HoughLinesP函数）。
HoughLines函数的定义如下：

lines = HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None)
1

参数说明如下：
image，输入图像，图像需为8位单通道二值图像；
rho，距离分辨率，单位为像素；
theta，角度分辨率，单位为弧度；
threshold，累加平面的阈值参数；
lines，变换检测到的直线（返回值）；
srn，对于多尺度的霍夫变换，它是距离分辨率rho的除数距离；
stn，对于多尺度霍夫变换，它是角度分辨率theta的除数距离；
min_theta，检查线条的最小角度，介于0与max_theta之间；
max_theta，检查线条的最大角度，介于min_theta和CV_PI之间。
本节案例使用的输入图像如图5.1所示。

图5.1
使用标准霍夫变换进行直线检测的案例代码如下：

import cv2
import numpy as np

img = cv2.imread('chess_board.jpg')
draw_lines = np.zeros(img.shape[:], dtype=np.uint8)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#Canny边缘检测
edges = cv2.Canny(gray, 50, 150)
#经典霍夫线变换
lines = cv2.HoughLines(edges, 1, np.pi / 180, 150)

#绘制检测到的直线
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))
    cv2.line(draw_lines, (x1, y1), (x2, y2), (255, 255, 255))

#图像显示
cv2.imshow("draw_lines", draw_lines)
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

标准霍夫变换检测到的直线结果绘制如图5.2所示。

图5.2
累积概率霍夫变换函数HoughLinesP的定义如下：

lines = HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None)
1

参数说明如下：
image，输入图像，图像需为8位单通道二值图像；
rho，距离分辨率，单位为像素；
theta，角度分辨率，单位为弧度；
threshold，累加平面的阈值参数；
lines，变换检测到的直线（返回值）；
minLineLength，小的线段长度；
maxLineGap，同一行两点连接起来的最大的距离；
累积概率霍夫变换案例代码如下：

import cv2
import numpy as np

img = cv2.imread('chess_board.jpg')
draw_lines = np.zeros(img.shape[:], dtype=np.uint8)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#Canny边缘检测
edges = cv2.Canny(gray, 50, 150)
#累积概率霍夫线变换
lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 90, minLineLength=50, maxLineGap=10)
#绘制检测到的线
for line in lines:
    x1, y1, x2, y2 = line[0]
    cv2.line(draw_lines, (x1, y1), (x2, y2), (255, 255, 255), 1, lineType = cv2.LINE_AA)

#图像显示
cv2.imshow("draw_lines", draw_lines)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

检测到的直线绘制结果如图5.3所示。

图5.3
HoughLines函数中的threshold参数设置的越小就有越多的直线被检测，HoughLinesP函数中的minLineLength和maxLineGap设置时也是这样，设置的越小被检测到的直线则会越多，读者可以根据图像的先验知识设置合适的参数，这样能够达到更加精确的检测效果。

5.1.2 案例49：霍夫圆变换

OpenCV中提供了霍夫圆变换的函数HoughCircles，该函数的定义如下：

circles = HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None)
1

参数说明如下：
image，输入图像，需传入8位单通道二值图像；
method，检测方法；
dp，累加器分辨率与图像分辨率的反比；
minDist，圆心之间最小距离；
circles，找到的圆（返回值）
param1，Canny边缘检测算法的高阈值，低阈值是其一半；
param2，累加器阈值，表示确定一个圆的阈值；
minRadius，待检测圆的最小半径；
maxRadius，待检测圆的最大半径。
本案例使用的输入图像如图5.4所示。

图5.4
霍夫圆变换的案例代码如下：

import cv2
import numpy as np

img = cv2.imread('circle_src.jpg')
#创建纯黑色图片
draw_circle = np.zeros(img.shape[:], dtype=np.uint8)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#Canny边缘检测
edges = cv2.Canny(gray, 50, 150)
# 霍夫圆变换
circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 100)
#浮点数转整型数
circles = np.int0(np.around(circles))

# 将检测的圆绘制出来
for i in circles[0, :]:
    cv2.circle(draw_circle, (i[0], i[1]), i[2], (255, 255, 255), 2)
#图像显示
cv2.imshow("edges", edges)
cv2.imshow("draw_circle", draw_circle)
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

使用Canny算法进行边缘检测的结果如图5.5所示。

图5.5
使用霍夫圆变换检测的圆的结果如图5.6所示。

图5.6
图5.6中的检测效果不尽人意，有很多的不是期望的圆被检测并绘制出来。本案例中设置的参数dp=1，则累加器与输入图像具有相同的分辨率；设置的minDist为100，即检测的圆之间的最小圆心距离为100。根据图5.35中的圆的信息可以调整输入参数，设置最小圆半径minRadius为130, 最大圆半径maxRadius为180，如下所示：

circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 100, param2=30, minRadius=130, maxRadius=180)
1

设置新参数后的检测结果如图5.7所示，检测的结果则比较准确。

图5.7