1 原理
?2 檢測步驟
將參數空間(ρ,θ) 量化成m*n(m為ρ的等份數,n為θ的等份數)個單元,并設置累加器矩陣,初始值為0;
對圖像邊界上的每一個點(x,y)帶入ρ=xcosθ+ysinθ,求得每個θ對應的ρ值,并在ρ和θ所對應的單元,將累加器加1,即:Q(i,j)=Q(i,j)+1;
檢驗參數空間中每個累加器的值,累加器最大的單元所對應的ρ和θ即為直角坐標系中直線方程的參數。
?3 接口
image:二值圖像,canny邊緣檢測輸出。這里是result。
rho: 以像素為單位的距離精度,這里為1像素。如果想要檢測的線段更多,可以設為0.1。
theta: 以弧度為單位的角度精度,這里為numpy.pi/180。如果想要檢測的線段更多,可以設為0.01 * numpy.pi/180。
threshod: 閾值參數,int類型,超過設定閾值才被檢測出線段,這里為10。
minLineLength:線段以像素為單位的最小長度。
maxLineGap:同一方向上兩條線段判定為一條線段的最大允許間隔。
4 代碼及結果
import os import numpy as np import cv2 from PIL import Image, ImageEnhance import math def img_processing(img): # 灰度化 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU) # canny邊緣檢測 edges = cv2.Canny(binary, 50, 150, apertureSize=3) return edges def line_detect(img): img = Image.open(img) img = ImageEnhance.Contrast(img).enhance(3) # img.show() img = np.array(img) result = img_processing(img) # 霍夫線檢測 lines = cv2.HoughLinesP(result, 1, 1 * np.pi/180, 10, minLineLength=10, maxLineGap=5) # print(lines) print("Line Num : ", len(lines)) # 畫出檢測的線段 for line in lines: for x1, y1, x2, y2 in line: cv2.line(img, (x1, y1), (x2, y2), (255, 0, 0), 1) pass img = Image.fromarray(img, 'RGB') img.show() if __name__ == "__main__": line_detect("1.jpg") pass
原圖如下:
檢測結果:
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
