霍夫變換是一種檢測任何形狀的流行技術，可以檢測形狀，即使它被破壞或扭曲一點點.一條線可以表示成y = mx + c或參數(shù)形式，像ρ=xcosθ+ysinθ，其中ρ是從原點到直線的垂直距離，θ角是由這條垂線和水平軸以逆時針的方向形成的(這個方向取決于你如何表示坐標系統(tǒng)，這種表示法在OpenCV中使用）

OpenCV中的Hough變換

cv.HoughLines()第一個參數(shù)，輸入圖像應該是一個二值圖像，因此在應用hough變換之前應用閾值或使用Canny邊緣檢測.第二和第三個參數(shù)分別是ρ和θ的精度.第四個參數(shù)是閾值，這意味著它應該被視為一條直線.記住，選票的數(shù)量取決于直線上的點的數(shù)量,所以它表示應該檢測到的最小長度.

import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread(’img.jpg’)gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)edges = cv2.Canny(gray,50,150,apertureSize = 3)lines = cv2.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)) cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)cv2.imshow(’show’,img)cv2.waitKey()

概率Hough變換

在hough轉換中，你可以看到，即使對于一個有兩個參數(shù)的線，它也需要大量的計算.概率Hough變換是我們所見的Hough變換的一個優(yōu)化,它并沒有把所有的要點都考慮進去,相反，它只需要一個隨機子集，對行檢測來說足夠.

cv2.HoughLinesP(image, rho, theta, threshold[, lines[, minLineLength[, maxLineGap]]])

import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread(’img.jpg’)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)edges = cv2.Canny(gray, 50, 150, apertureSize=3)lines = cv2.HoughLinesP(edges, 1, np.pi/180,100, minLineLength=100, maxLineGap=10)for line in lines: x1, y1, x2, y2 = line[0] cv2.line(img, (x1, y1), (x2, y2), (0,255,0), 2)cv2.imshow(’show’,img)cv2.waitKey()

以上就是python 用opencv實現(xiàn)霍夫線變換的詳細內容，更多關于python 實現(xiàn)霍夫線變換的資料請關注好吧啦網其它相關文章！