OpenCV---直線檢測

 直線檢測相關

Opencv學習筆記-----霍夫變換直線檢測及原理理解

OpenCV-Python教程（9、使用霍夫變換檢測直線）

Hough變換是經典的檢測直線的算法。其最初用來檢測圖像中的直線，同時也可以將其擴展，以用來檢測圖像中簡單的結構。

變換圖示

霍夫直線檢測的兩種方法

1.獲取灰度圖像
2.canny邊緣檢測
3.獲取霍夫直線信息
4.算出直線位置，畫出每條直線

一：HoughLines霍夫變換

def line_detection(image):
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    edges = cv.Canny(gray,50,150,apertureSize=3)    #apertureSize是sobel算子大小，只能為1,3,5，7
    lines = cv.HoughLines(edges,1,np.pi/180,200)  #函數將通過步長為1的半徑和步長為π/180的角來搜索所有可能的直線
    for line in lines:
        rho,theta = line[0]　　#獲取極值ρ長度和θ角度
        a = np.cos(theta)　　#獲取角度cos值
        b = np.sin(theta)　　#獲取角度sin值
        x0 = a * rho　　#獲取x軸值
        y0 = b * rho　　#獲取y軸值　　x0和y0是直線的中點
        x1 = int(x0 + 1000*(-b))　　#獲取這條直線最大值點x1
        y1 = int(y0 + 1000*(a))　　 #獲取這條直線最大值點y1
        x2 = int(x0 - 1000 * (-b))  #獲取這條直線最小值點x2　　
        y2 = int(y0 - 1000 * (a))　 #獲取這條直線最小值點y2　　其中*1000是內部規則
        cv.line(image,(x1,y1),(x2,y2),(0,0,255),2)　　#開始划線
    cv.imshow("image line",image)



src = cv.imread("./l.png")  #讀取圖片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #創建GUI窗口,形式為自適應
cv.imshow("input image",src)    #通過名字將圖像和窗口聯系

line_detect_possible_demo(src)

cv.waitKey(0)   #等待用戶操作，里面等待參數是毫秒，我們填寫0，代表是永遠，等待用戶操作
cv.destroyAllWindows()  #銷毀所有窗口

相關知識補充

（一）HoughLines方法

def HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None): # real signature unknown; restored from __doc__

cv.HoughLines(edges,1,np.pi/180,200)

cv2.HoughLines函數輸出的是[float, float]形式的ndarray，其中每個值表示檢測到的線(ρ , θ)中浮點點值的參數。

第一個參數image：是canny邊緣檢測后的圖像

第二個參數rho和第三個參數theta：對應直線搜索的步長。在本例中，函數將通過步長為1的半徑和步長為π/180的角來搜索所有可能的直線。

最后一個參數threshold：是經過某一點曲線的數量的閾值，超過這個閾值，就表示這個交點所代表的參數對(rho, theta)在原圖像中為一條直線

觀察前面的例子得到的結果圖片，其中Hough變換看起來就像在圖像中查找對齊的邊界像素點集合。
但這樣會在一些情況下導致虛假檢測，如像素偶然對齊或多條直線穿過同樣的對齊像素造成的多重檢測。

二：HoughLinesP概率霍夫變換（是加強版）使用簡單，效果更好，檢測圖像中分段的直線（而不是貫穿整個圖像的直線）

def line_detect_possible_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    edges = cv.Canny(gray, 50, 150, apertureSize=3)  # apertureSize是sobel算子大小，只能為1,3,5，7 lines = cv.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=50,maxLineGap=10) #函數將通過步長為1的半徑和步長為π/180的角來搜索所有可能的直線 for line in lines:
        print(type(line))   #多維數組
        x1,y1,x2,y2 = line[0]
        cv.line(image,(x1,y1),(x2,y2),(0,0,255),2)
    cv.imshow("line_detect_possible_demo",image)

相關知識補充：

（一）HoughLinesP方法

def HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None): # real signature unknown; restored from __doc__

cv.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=50,maxLineGap=10)

　第一個參數是需要處理的原圖像，該圖像必須為cannay邊緣檢測后的圖像；

第二和第三參數：步長為1的半徑和步長為π/180的角來搜索所有可能的直線

第四個參數是閾值，概念同霍夫變換

第五個參數：minLineLength-線的最短長度，比這個線短的都會被忽略。

第六個參數：maxLineGap-兩條線之間的最大間隔，如果小於此值，這兩條線就會被看成一條線。

這個函數的返回值就是直線的起點和終點。