封装在OpenCV函数**cv.HoughLines**()中。它只是返回一个:math:(rho,theta)值的数组。ρ以像素为单位,θ以弧度为单位。第一个参数,输入图像应该是二进制图像,因此在应用霍夫变换之前,请应用阈值或使用Canny边缘检测。第二和第三参数分别是ρ和θ精度。第四个参数是阈值,这意味着应该将其视为行的最低投票。请记住,票数取决于线上的点数。因此,它表示应检测到的最小线长。
import cv2 as cv numpy as np img = cv.imread(cv.samples.findFile('sudoku.png')) gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY) edges = cv.Canny(gray,50,150,apertureSize = 3) lines = cv.HoughLines(edges,1,np.pi/180,200) 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)) cv.line(img,(x1,y1),(x2,y2),(0,255),2) cv.imwrite(houghlines3.jpg',img)
圆在数学上表示为(x−xcenter)2+(y−ycenter)2=r2(x−xcenter)2+(y−ycenter)2=r2,其中(xcenter,ycenter)(xcenter,ycenter)是圆的中心,rr是圆的半径。从等式中,我们可以看到我们有3个参数,因此我们需要3D累加器进行霍夫变换,这将非常低效。因此,OpenCV使用更加技巧性的方法,即使用边缘的梯度信息的**Hough梯度方法**。
我们在这里使用的函数是**cv.HoughCircles**()。它有很多参数,这些参数在文档中有很好的解释。因此,我们直接转到代码。
numpy as np cv2 as cv img = cv.imread(opencv-logo-white.png,0) img = cv.medianBlur(img,5) cimg ==50,param2=30,minRadius=0,maxRadius=0) circles = np.uint16(np.around(circles)) for i circles[0,:]: # 绘制外圆 cv.circle(cimg,(i[0],i[1]),i[2],0),1)">) 绘制圆心 cv.circle(cimg,2,255),3) cv.imshow(detected circles
摘自:
http://woshicver.com/FifthSection/4_14_%E9%9C%8D%E5%A4%AB%E5%9C%88%E5%8F%98%E6%8D%A2/
http://woshicver.com/FifthSection/4_13_%E9%9C%8D%E5%A4%AB%E7%BA%BF%E5%8F%98%E6%8D%A2/
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。