霍夫变动：原理分析与 OpenCV 应用实例

简介：本文围绕霍夫变动相干内容睁开，先是解说霍夫变动根本原理，包罗从 xy 坐标系到 kb 坐标系及极坐标系的映射等。接着先容了 cv2.HoughLines、cv2.HoughLinesP 概率霍夫变动、cv2.HoughCircles 霍夫圆变动的函数用法、参数寄义、与通例霍夫变动区别以及实现步调，并附代码示例，助力读者明确和运用这些图像检测技能。
如果我的文章对你有资助，请点赞收藏关注，我将会连续为您带来更多与OpenCV有关的知识。

  
霍夫变动根本原理

画一张图 y = kx+b:，用xy坐标系如图所示：

如果用k，b坐标系该如许表现：

（xy空间的一条线确定了kb空间的一个点）
我现在在xy轴里取一个点 (x0,y0):

此时x0，y0确定，他大概在恣意一条直线上，根据公式 y0 = kx0+b，那么b = y0-kx0，以是在kb空间上：

阐明xy的一个点对应 kb的一条线
再来观察，两个xy坐标的点 x0,y0 x1,y1，同时两点确定了一条直线，看图：

对应在kb空间应该是如下图：

我们会举行三步推理：
第一步：xy坐标系的一条直线上的两个点，对应着kb空间颠末同一个点的两条直线。
第二步：推理可以知道，kb坐标系中心颠末一个点的直线越多，阐明在xy坐标系中是由更多的点所构成。
第三步：已知两个点确定一条直线，对于图像中的线怎么确定不是谬误，噪声呢？那多个点确定的直线不堕落的概率相对来说肯定是更大的
第四步：霍夫变动选择直线的根本思绪是，选择又尽大概多的直线交汇的点
但是，有一种特殊环境不能完成从xy坐标系映射到kb坐标系：垂线

以是可以映射到极坐标系：r = xcosa+ ysina

cv2.HoughLines函数

lines 返回的ndarray数组，数组的每一对数据都是（r，a） = cv2.HoughLines（image输入图像必须是八位单通道二值图像 ，rho为r的精度一样寻常为1，theta为角度的精度一样寻常环境使用pi/180，threshold是阈值，他是霍夫空间的直线条数大于阈值才气被以为是xy空间的直线，以是阈值越小找到的直线越多）
我们选择验证的例子基于这张图片，我给他定名为calculator.JPG放在跟代码同一个文件夹下，各人可以复制我的图片重定名自己去运行代码：

实现一次霍夫变动

（第一步）读取图片
（第二步）转化为灰度图
（第三步）使用cv2.Canny边沿检测得到边沿
（第四步）使用霍夫变动
（第五步）为了看到霍夫变革的差别，将原图从bgr转化成 rgb，并复制一张原图片
（第六步）对霍夫变动的结果从极坐标转换成xy坐标并在原图画线
（第七步）展示原图与画线后的图片差别

1. import numpy as np
2. import cv2
3. import matplotlib.pyplot as plt
4. img = cv2.imread("calculator.JPG")
5. # 转化为灰度图
6. gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
7. #使用cv2.Canny边缘检测获得边缘
8. edges = cv2.Canny(gray,50,150,apertureSize = 3)
9. #使用霍夫变换
10. lines = cv2.HoughLines(edges,1,np.pi/180,133)
11. #为了看到霍夫变化的差异，将原图从bgr转化成 rgb，并复制一张原图片
12. orgb = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
13. oShow = orgb.copy()
15. # 对霍夫变换的结果从极坐标转换成xy坐标并在原图画线
16. for line in lines:
17.     rho,theta =</

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！qidao123.com:ToB企服之家，中国第一个企服评测及软件市场,开放入驻,技术点评得现金