Python opencv图像处理基础总结(六) 直线检测 圆检测 轮廓发现

# 标准霍夫线变换
cv2.HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None)

# 统计概率霍夫线变换
cv2.HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None)

import cv2
import numpy as np


# 标准霍夫线变换
def line_detection_demo(image):
    # 灰度图像
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 提取边缘
    edges = cv2.Canny(gray, 50, 150, apertureSize=3)
    lines = cv2.HoughLines(edges, 1, np.pi/180, 160)
    for line in lines:
        rho, theta = line[0]  # line[0]存储的是点到直线的极径和极角，其中极角是弧度表示的
        a = np.cos(theta)     # theta是弧度
        b = np.sin(theta)
        x0 = a * rho
        y0 = b * rho
        x1 = int(x0 + 1000 * (-b))  # 直线起点横坐标
        y1 = int(y0 + 1000 * a)     # 直线起点纵坐标
        x2 = int(x0 - 1000 * (-b))  # 直线终点横坐标
        y2 = int(y0 - 1000 * a)     # 直线终点纵坐标
        cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)
    cv2.imshow("image_lines", image)


# 统计概率霍夫线变换
def line_detect_possible_demo(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGRA2GRAY)
    edges = cv2.Canny(gray, 50, 150, apertureSize=3)
    lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=50, maxLineGap=10)
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)
    cv2.imshow("line_detect_possible", image)


if __name__ == "__main__":
    src = cv2.imread(r"./test/041.png")
    cv2.imshow("image", src)
    line_detection_demo(src)
    line_detect_possible_demo(src)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

cv2.HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None)

import cv2 as cv
import numpy as np


# 霍夫圆检测
def detect_circles_demo(image):
    # 霍夫圆检测对噪声敏感  边缘保留滤波EPF  消除噪声
    dst = cv.pyrMeanShiftFiltering(image, 10, 105)  # 均值偏移滤波
    cimage = cv.cvtColor(dst, cv.COLOR_RGB2GRAY)
    # 输入图像 方法 走步长 最小距离 边缘提取的低值
    circles = cv.HoughCircles(cimage, cv.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)
    circles = np.uint16(np.around(circles))     # 把circles包含的圆心和半径的值变成整数
    for i in circles[0, :]:
        cv.circle(image, (i[0], i[1]), i[2], (0, 0, 255), 2)  # 画圆
        cv.circle(image, (i[0], i[1]), 2, (255, 0, 0), 2)     # 画圆心
    cv.imshow("circles", image)


if __name__ == "__main__":
    src = cv.imread(r"./test/035.png")
    cv.imshow('input_image', src)
    detect_circles_demo(src)
    cv.waitKey(0)
    cv.destroyAllWindows()

"""
    cv2.findContours(image, mode, method, contours, hierarchy, offset)
        参数：
            1 要寻找图像的轮廓 只能传入二值图像，不是灰度图像
            2 轮廓的检索模式，有四种：
                cv2.RETR_EXTERNAL  表示只检测外轮廓
                cv2.RETR_LIST      检测的轮廓不建立等级关系
                cv2.RETR_CCOMP     建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层
                cv2.RETR_TREE      建立一个等级树结构的轮廓
            3 轮廓的近似办法
                cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1
                cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
        返回值:
            contours：一个列表，每一项都是一个轮廓，不会存储轮廓所有的点，只存储能描述轮廓的点
            hierarchy：一个ndarray, 元素数量和轮廓数量一样， 
                每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，
                分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数
 """

"""
        # 函数cv2.drawContours(image, contours, contourIdx, color, thickness, lineType, hierarchy, maxLevel, offset)
        # 第一个参数是一张图片，可以是原图或者其他。
        # 第二个参数是轮廓，也可以说是cv2.findContours()找出来的点集，一个列表。
        # 第三个参数是对轮廓（第二个参数）的索引，当需要绘制独立轮廓时很有用，若要全部绘制可设为-1。
        # 接下来的参数是轮廓的颜色和线宽
"""

import cv2


def contours_demo(image):
    dst = cv2.GaussianBlur(image, (3, 3), 0)
    gray = cv2.cvtColor(dst, cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
    # 得到修改后的图像，轮廓点集  各层轮廓的索引
    contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for i, contour in enumerate(contours):
        # 绘制轮廓  第几个  颜色  线宽
        cv2.drawContours(image, contours, i, (0, 0, 255), -1)
        print(i)
    cv2.imshow("detect contours", image)


if __name__ == "__main__":
    img = cv2.imread(r"./test/042.png")
    cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
    cv2.imshow("input image", img)
    contours_demo(img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

import cv2


def edge_demo(image):
    # 高斯模糊  降低噪声
    blurred = cv2.GaussianBlur(image, (3, 3), 0)
    # 转为灰度图像
    gray = cv2.cvtColor(blurred, cv2.COLOR_BGR2GRAY)
    # 计算x y 方向梯度
    grad_x = cv2.Sobel(gray, cv2.CV_16SC1, 1, 0)
    grad_y = cv2.Sobel(gray, cv2.CV_16SC1, 0, 1)
    edge_output = cv2.Canny(grad_x, grad_y,  50, 100)
    return edge_output


def contours_demo(image):
    binary = edge_demo(image)
    # 得到修改后的图像，轮廓点集  各层轮廓的索引
    contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for i, contour in enumerate(contours):
        # 绘制轮廓  第几个  颜色  线宽
        cv2.drawContours(image, contours, i, (0, 0, 255), 2)
        print(i)
    cv2.imshow("detect contours", image)


if __name__ == "__main__":
    img = cv2.imread(r"./test/036.png")
    cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
    cv2.imshow("input image", img)
    contours_demo(img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()