OpenCV 中的 HoughLines() 和 HoughLinesP() 函数用来检测直线。它们的差别是第一个函数使用标准的 Hough 变换,第二个函数使用基于概率的Hough 变换(因此名称里有个P)。HoughLinesP() 只通过分析点的子集并估计这些点都属于同一条直线的概率,它是标准Hough变换的优化版本,拥有更快的执行速度。关于Hough变换的介绍可以参考这篇文章:
https://blog.csdn.net/on2way/article/details/47028969
本篇仅通过一个简单的例子讲解HoughLinesP()的用法。
比如上述公路照片,为了做直线检测,我们可以先转灰度图并进行模糊降噪:
import cv2
import numpy as np
img0 = cv2.imread('freeway.jpg')
#print(img0.shape)
#cv2.imshow("Original image", img0)
gray = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY)#转灰度图
gray = cv2.medianBlur(gray, 7)#模糊降噪
再做Canny边缘检测。当然也可以使用其它的边缘检测滤波器。
edges = cv2.Canny(gray, 5 ,100)
cv2.imshow("Cimg", edges)
最后,由HoughLinesP()检测直线:
lines = cv2.HoughLinesP(edges, 1, 1.0*np.pi/180, 120, minLineLength=10, maxLineGap =5)
if lines is not None:
for (x1 ,y1 ,x2 ,y2) in lines[:, 0]:
print(x1,y1, ";", x2,y2)
cv2.line(img0, (x1,y1), (x2,y2), (0,0,255), 3) #画直线
cv2.imshow("detection", img0)
cv2.waitKey()
cv2.destroyAllWindows()
HoughLinesP() 函数有6个参数,依次是:
第1个参数是二值图像,通常是边缘检测后的灰度图。
第2、3 个参数是线段的几何表示ρ 和 θ 的精度(可以理解为步长)。
第4个参数表示Hough变换累加器的阈值,高于该阈值的直线才被保留。
第5个参数表示线段的最小长度。
第6个参数表示线段间的最大间隙。
本文分享自 Python可视化编程机器学习OpenCV 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体分享计划 ,欢迎热爱写作的你一起参与!