Python 使用Opencv实现直线检测和圆检测

冷不防 2022-05-23 02:16 262阅读 0赞

\----------欢迎加入学习交流QQ群：657341423

--------------------

**直线检测**  
cv2.HoughLinesP()函数原型：

HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None)

1.  image： 必须是二值图像，推荐使用canny边缘检测的结果图像；
2.  rho：线段以像素为单位的距离精度，double类型的，推荐用1.0
3.  theta： 线段以弧度为单位的角度精度，推荐用numpy.pi/180
4.  threshod：累加平面的阈值参数，int类型，超过设定阈值才被检测出线段，值越大，基本上意味着检出的线段越长，检出的线段个数越少。根据情况推荐先用100试试
5.  lines：线条的输出向量。
6.  minLineLength：线段以像素为单位的最小长度。
7.  maxLineGap：同一方向上两条线段判定为一条线段的最大允许间隔（断裂），超过了设定值，则把两条线段当成一条线段，值越大，允许线段上的断裂越大，越有可能检出潜在的直线段

**示例一**

import cv2
    import numpy as np
    
    img = cv2.imread('lines.jpg')
    # 灰度处理
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    # canny边缘处理
    edges = cv2.Canny(gray,50,120)
    line = 100
    minLineLength = 20
    # HoughLinesP函数是概率直线检测，注意区分HoughLines函数
    lines = cv2.HoughLinesP(edges, 1, np.pi/180, 100, lines=line, minLineLength=minLineLength)
    # 降维处理
    lines1 = lines[:,0,:]
    # line 函数勾画直线
    # (x1,y1),(x2,y2)坐标位置
    # (0,255,0)设置BGR通道颜色
    # 2 是设置颜色粗浅度
    for x1,y1,x2,y2 in lines1:
        cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)
    
    # 显示图像
    cv2.imshow("edges", edges)
    cv2.imshow("lines", img)
    cv2.waitKey()
    cv2.destroyAllWindows()

原图  
![这里写图片描述][70]  
效果图  
![这里写图片描述][70 1]

直线的识别与HoughLinesP函数参数的设置有关

--------------------

**圆检测**  
HoughCircles函数原型

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

参数说明:

1.  image- 8位，单通道，灰度输入图像。 method- 使用检测方法。
2.  dp - 累加器分辨率与图像分辨率的反比。例如，如果 dp= 1，则累加器具有与输入图像相同的分辨率。如果 dp = 2，则累加器的宽度和高度都是一半。
3.  minDist -检测到的圆的中心之间的最小距离。如果参数太小，除了真正的参数外，可能会错误地检测到多个邻居圈。如果太大，可能会错过一些圈子。
4.  circles- 找到的圆的输出向量。每个向量被编码为3元素的浮点向量 （x，y，半径）。
5.  param1 -第一个方法特定的参数。在CV\_HOUGH\_GRADIENT的情况下，  
    两个传递给Canny()边缘检测器的阈值较高（较小的两个小于两倍）
6.  param2 -第二种方法参数。在CV\_HOUGH\_GRADIENT的情况下，它是检测阶段的圆心的累加器阈值。越小，可能会检测到越多的虚假圈子。首先返回对应于较大累加器值的圈子。
7.  minRadius -最小圆半径。

**示例二**

import cv2
    import numpy as np
    
    planets = cv2.imread('planet_glow.jpg')
    # 灰度处理
    gray_img = cv2.cvtColor(planets, cv2.COLOR_BGR2GRAY)
    # medianBlur 平滑（模糊）处理
    img = cv2.medianBlur(gray_img, 5)
    # 灰度图像转彩色图像
    cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)
    
    # 圆检测
    circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 100, param1=100, param2=30, minRadius=50, maxRadius=100)
    # 转化整数
    circles = np.uint16(np.around(circles))
    
    for i in circles[0,:]:
        # 勾画圆形，planets图像、(i[0],i[1])圆心坐标，i[2]是半径
        cv2.circle(planets,(i[0],i[1]),i[2],(0,255,0),2)
        # 勾画圆心，圆心实质也是一个半径为2的圆形
        cv2.circle(planets,(i[0],i[1]),2,(0,0,255),3)
    # 显示图像
    cv2.imwrite("planets_circles.jpg", planets)
    cv2.imshow("mypic", cimg)
    cv2.imshow("HoughCirlces", planets)
    cv2.waitKey()
    cv2.destroyAllWindows()

原图  
![这里写图片描述][70 2]  
效果图  
![这里写图片描述][70 3]  
圆的识别与HoughCircles函数参数的设置有关

--------------------

注意：  
![这里写图片描述][70 4]  
例子可参考：[Python 使用Opencv实现边缘检测以及轮廓检测][Python _Opencv]的示例二

--------------------

参考资料：OpenCV 3计算机视觉 Python语言实现第二版

[70]: /images/20220523/e81befbd1e7a48479663b2aac171a040.png
[70 1]: /images/20220523/0dc4a32283f0487cbdec8e8000ad3304.png
[70 2]: /images/20220523/d537a417f6e949edaf3e3fed0a4e04f7.png
[70 3]: /images/20220523/5ef13a12f56548419d95fdb4a0ac3760.png
[70 4]: /images/20220523/8c97415193354893a289603550d1db98.png
[Python _Opencv]: https://blog.csdn.net/HuangZhang_123/article/details/80511270