雨,落在校园里!我撑着伞,慢慢地在雨中漫步。那嫣红的风凰叶,在雨中,轻轻地飘落下来,似乎有一段离别哀愁的情感啊!
1 原理
2 检测步骤
将参数空间(ρ,θ) 量化成m*n(m为ρ的等份数,n为θ的等份数)个单元,并设置累加器矩阵,初始值为0;
对图像边界上的每一个点(x,y)带入ρ=xcosθ+ysinθ,求得每个θ对应的ρ值,并在ρ和θ所对应的单元,将累加器加1,即:Q(i,j)=Q(i,j)+1;
检验参数空间中每个累加器的值,累加器最大的单元所对应的ρ和θ即为直角坐标系中直线方程的参数。
3 接口
image:二值图像,canny边缘检测输出。这里是result。
rho: 以像素为单位的距离精度,这里为1像素。如果想要检测的线段更多,可以设为0.1。
theta: 以弧度为单位的角度精度,这里为numpy.pi/180。如果想要检测的线段更多,可以设为0.01 * numpy.pi/180。
threshod: 阈值参数,int类型,超过设定阈值才被检测出线段,这里为10。
minLineLength:线段以像素为单位的最小长度。
maxLineGap:同一方向上两条线段判定为一条线段的最大允许间隔。
4 代码及结果
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边缘检测 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) # 霍夫线检测 lines = cv2.HoughLinesP(result, 1, 1 * np.pi/180, 10, minLineLength=10, maxLineGap=5) # print(lines) print("Line Num : ", len(lines)) # 画出检测的线段 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
原图如下:
检测结果:
本文python hough变换检测直线的实现方法到此结束。没有改变,就没有成长,幸福的人都喜欢沉默。一向喋喋不休说自我如何幸福的人必须内心是虚弱的。当一个人内心足够强大时,说与不说,都已无用。最重要的是,选择最适合自我的方向,一意孤行走下去。找到生命中最确定的信息——那些相似的人或事物终会走到一齐,那些不相似的人或事物,终会背道而驰。小编再次感谢大家对我们的支持!