tcl科技|使用霍夫变换和OpenCV以及Python实现形状的检测
文章图片
文章图片
文章图片
文章图片
今天 ， 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 ， 我们需要了解霍夫空间是什么 ， 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 ， 我们可以想象图像是在某些x和y坐标上的2d矩阵 ， 在此之下 ， 一条线可以描述为 y = mx + b
但是在参数空间（我们将其称为霍夫空间）中 ， 我可以代表与mvs 相同的线b ， 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 ， 我们有一个问题 ， 使用y = mx + b ， 由于斜率是无限的 ， 因此我们无法表示垂直线 。 因此 ， 我们需要一种更好的参数化方法 ， 即极坐标（rho和theta） 。
2、霍夫空间
（1）rho：描述直线到原点的距离；（2）theta：描述与水平面的夹角；
但是 ， 一个非常重要的问题是 ， 当我们围绕一条线取多个点并转换为霍夫空间时 ， 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 ， 其特殊之处在于 ， 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 ， 找到一组曲线相交的点 。
3、什么是霍夫变换？
霍夫变换是一种特征提取方法 ， 用于检测图像中的简单形状 ， 例如圆形 ， 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 ， 例如 ， 一条线可以由其斜率和截距表示 ， 或者可以由x ， y和半径表示 。 在我们的示例中 ， 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 ， 因此不在本文讨论范围之内 。 但是 ， 我们将看一下该算法的实现 ， 它是OpenCV库的一部分 。
4、使用OpenCV检测线
在OpenCV中 ， 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：
（1）image：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：行的输出向量 。 每条线由4个元素的向量（x_1 ， y_1 ， x_2 ， y_2）表示 ， 其中（x_1 ， y_1）和（x_2 ， y_2）是每个检测到的线段的终点 。
（3）rho：累加器的距离分辨率（以像素为单位） 。
（4）theta：累加器的角度分辨率（以弧度为单位） 。
（5）threshold：累加器阈值参数 。 仅返回那些获得足够投票的行
（6）minLineLength：最小行长 。 短于此的线段将被拒绝 。
（7）maxLineGap：同一条线上的点之间允许链接的最大间隙 。 太复杂？一个例子更容易理解：
结果如下：
非常重要的一点是 ， 我们实际上使用仅边缘图像作为Hough变换的参数 ， 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 ， 除了这次我们将使用与OpenCV库不同的函数 。 即now HoughCircles ， 它接受以下的参数：
（1）image：8位单通道灰度输入图像 。
（2）circles：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 ， y ， radius） 。
（3）circle_storage：在C函数中 ， 这是一个存储器存储 ， 其中将包含找到的圆的输出序列 。
（4）method：使用的检测方法 。 当前 ， 唯一实现的方法是CV_HOUGH_GRADIENT ， 基本上是21HT
（5）dp：累加器分辨率与图像分辨率的反比 。 例如 ， 如果dp = 1 ， 则累加器具有与输入图像相同的分辨率 。 如果dp = 2 ， 则累加器的宽度和高度是其一半 。
（6）minDist：检测到的圆心之间的最小距离 。 如果参数太小 ， 则除了真实的圆圈外 ， 还可能会错误地检测到多个邻居圆圈 。 如果太大 ， 可能会错过一些圆圈 。
（7）param1：第一个方法特定的参数 。 对于CV_HOUGH_GRADIENT ， 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：第二个方法特定的参数 。 在CV_HOUGH_GRADIENT的情况下 ， 它是检测阶段圆心的累加器阈值 。 它越小 ， 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：最小圆半径 。
（10）maxRadius：最大圆半径 。
请记住 ， 参数必须有所不同 ， 因为我们无法用与用于线相同的参数化描述圆 ， 而是需要使用像的方程(x - x0)^^2 + (y - y0)^^2 = r^^2：
请注意 ， 与之前的示例相比 ， 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：
6、结尾
【tcl科技|使用霍夫变换和OpenCV以及Python实现形状的检测】霍夫变换是一种用于检测图像中简单形状的出色技术 ， 它具有多种应用 ， 从医学应用（例如X射线 ， 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 ， 建议你自己实际操作一遍运行代码 ， 自己尝试不同的配置 ， 并查看OpenCV官方文档以获取更多的信息 。 谢谢阅读！
推荐阅读
- 金融|二三四五上半年净利减少67.59% 金融科技营收降8成
- 林郑月娥首度承认使用信用卡受限|被美国列入制裁名单，林郑月娥首度承认使用信用卡受限，有不便但感光荣
- 科技日报|绿色包装这么好， 为啥我收快递时遇不到？
- 科技日报|首张“药物击靶”显微照片问世 启发药物设计新思路
- 科技日报|冰天雪地的北极也有大火 或进一步加速全球变暖
- 科技日报|路边树上的这些奇怪小物件都是害虫杀手
- 科技日报|功能性玉米被端上餐桌 这个数据库帮了大忙
- |科技赋能文旅 | 金雪容：5G让不动产运转得更快更智慧
- 小米科技|雷军依旧很厚道！红米K30至尊纪念版经典，1999元回归初心
- spring框架之注解的使用