这篇教程OpenCV半小时掌握基本操作之直线检测写得很实用，希望能帮到您。
【OpenCV】 ⚠️高手勿入! 半小时学会基本操作 ⚠️ 直线检测
概述OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界. (第 13 课) 
霍夫直线变换霍夫变换 (Hough Line Transform) 是图像处理中的一种特征提取技术. 通过平面空间到极值坐标空间的转换, 可以帮助我们实现直线检测. 如图: 
原理详解当我们把直线 y = kx + b 画在指标坐标系上, 如下图. 我们再从原点引线段到直线上的任一点. 
我们可以得到这条线段与 x 轴的夹角为 θ, 距离是 r. 对于直线上的任一点 (x0, y0), 我们可以得到公式: 
代码实战
HoughLines格式: cv2.HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None) 参数: - image: 输入图像
- rho: 线性搜索半径步长, 以像素为单位
- theta: 线性搜索步长, 以弧度为单位
- threshold: 累计阈值
例子: import numpy as npimport cv2from matplotlib import pyplot as plt# 读取图片image = cv2.imread("sudoku.jpg")image_copy = image.copy()# 转换成灰度图image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 边缘检测, Sobel算子大小为3edges = cv2.Canny(image_gray, 170, 220, apertureSize=3)# 霍夫曼直线检测lines = cv2.HoughLines(edges, 1, np.pi / 180, 250)# 遍历for line in lines: # 获取rho和theta 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(image_copy, (x1, y1), (x2, y2), (0, 0, 255), thickness=5)# 图片展示f, ax = plt.subplots(2, 2, figsize=(12, 12))# 子图ax[0, 0].imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))ax[0, 1].imshow(image_gray, "gray")ax[1, 0].imshow(edges, "gray")ax[1, 1].imshow(cv2.cvtColor(image_copy, cv2.COLOR_BGR2RGB))# 标题ax[0, 0].set_title("original")ax[0, 1].set_title("image gray")ax[1, 0].set_title("image edge")ax[1, 1].set_title("image line")plt.show()输出结果: 
HoughLinesP此函数在 HoughLines 的基础上末尾加了一个代表概率 (Probabilistic) 的 P, 表明它可以采用累计概率霍夫变换, 来找出二值图像中的直线. 格式: HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None) 参数: - image: 输入图像
- rho: 线性搜索半径步长, 以像素为单位
- theta: 线性搜索步长, 以弧度为单位
- threshold: 累计阈值
- minLineLength: 最短直线长度
- maxLineGap: 最大孔隙距离
例子: import numpy as npimport cv2from matplotlib import pyplot as plt# 读取图片image = cv2.imread("sudoku.jpg")image_copy = image.copy()# 转换成灰度图image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 边缘检测, Sobel算子大小为3edges = cv2.Canny(image_gray, 170, 220, apertureSize=3)# 霍夫曼直线检测lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=100, maxLineGap=10)# 遍历for line in lines: # 获取坐标 x1, y1, x2, y2 = line[0] cv2.line(image_copy, (x1, y1), (x2, y2), (0, 0, 255), thickness=5)# 图片展示f, ax = plt.subplots(2, 2, figsize=(12, 12))# 子图ax[0, 0].imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))ax[0, 1].imshow(image_gray, "gray")ax[1, 0].imshow(edges, "gray")ax[1, 1].imshow(cv2.cvtColor(image_copy, cv2.COLOR_BGR2RGB))# 标题ax[0, 0].set_title("original")ax[0, 1].set_title("image gray")ax[1, 0].set_title("image edge")ax[1, 1].set_title("image line")plt.show()输出结果: 
到此这篇关于OpenCV半小时掌握基本操作之直线检测的文章就介绍到这了,更多相关OpenCV直线检测内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Ubuntu下安装卸载python3.8的过程
Python基础之python循环控制语句break/continue详解 |
