【笔记】OpenCV3 图形处理-轮廓检测-直线、圆检测（七）

OpenCV中提供了HoughLines 和 HoughLinesP来检测直线。第一个函数使用标准的Hough变换，第二个函数使用概率Hough变换，通过计算点属于直线的概率，提高了算法速度，是标准Hough变换的优化版

• cv2.HoughLines

def HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None)

输入参数：

image: 输入二值化图形  常用Canny边缘检测过的图像作为输入

rh0,theta：线段的几何表示，一般取1，np.pi/180 相当于步长

threshold: 阈值  低于该阈值的会被忽略 可以被认为是一个线条的最小计数值

返回数据：(ρ,θ)，其中ρ的单位是像素长度（也就是直线到图像原点(0,0)点的距离），而θ的单位是弧度

img = cv2.imread('img/667.jpg', cv2.IMREAD_COLOR)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150)

lines = cv2.HoughLines(edges,1, np.pi/180, 200)
print(len(lines))
edges = cv2.cvtColor(edges,cv2.COLOR_GRAY2BGR)
for rho, theta in lines[:,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(edges,(x1,y1),(x2,y2),(255,0,0),1)

• cv2.HoughLinesP

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

输入参数：

前面几个参数跟HoughLines一样，

minLineLength: 最小长度

maxLineGap： 最大线段间隙

返回数据： 输出直线点的坐标集合，使用起来更方便

minLineLength = 20
maxLineCap = 5

lines = cv2.HoughLinesP(edges, 1, np.pi/180, 100, minLineLength, maxLineCap)
edges = cv2.cvtColor(edges,cv2.COLOR_GRAY2BGR)
for x1,y1,x2,y2 in lines[:,0,:]:
    cv2.line(edges, (x1,y1),(x2,y2),(0,0,255),1)

看起来还可以。。

• cv2.HoughCircles() 圆检测函数

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

输入参数：

image:8位，单通道图像

method：定义检测图像中圆的方法。目前唯一实现的方法是cv2.HOUGH_GRADIENT。

dp：累加器分辨率与图像分辨率的反比。dp获取越大，累加器数组越小。

minDist：检测到的圆的中心，（x,y）坐标之间的最小距离。如果minDist太小，则可能导致检测到多个相邻的圆。如果minDist太大，则可能导致很多圆检测不到。

param1：用于处理边缘检测的梯度值方法。

param2：cv2.HOUGH_GRADIENT方法的累加器阈值。阈值越小，检测到的圈子越多。

minRadius：半径的最小大小（以像素为单位）。

maxRadius：半径的最大大小（以像素为单位）。

返回值： 中心点坐标、半径的集合

img = cv2.imread('img/pao.jpg', cv2.IMREAD_COLOR)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

edges = cv2.medianBlur(gray,5)


circles = cv2.HoughCircles(edges,cv2.HOUGH_GRADIENT,1,100,param1=220,param2=30,minRadius=2,maxRadius=300)
circles = np.uint16(np.around(circles))
edges = cv2.cvtColor(edges,cv2.COLOR_GRAY2BGR)
for i in circles[0,:]:
    cv2.circle(edges,(i[0],i[1]),i[2],(0,255,0),2)
    #绘制圆心
    cv2.circle(edges,(i[0],i[1]),2,(0,0,255),3)

cv2.imshow('img', img)
cv2.imshow('edges', edges)

param1=220

改变一下 param1参数  param1=100

param1=50

param1=500

发现改小后，误差开始有点大了。。。

之前的水果图

通过改小minDist的数值到55以下，parm1的数值到380 将棋盘上的棋子全部识别到了。 

cv2.HoughCircles(edges,cv2.HOUGH_GRADIENT,1,22,param1=70,param2=16,minRadius=5,maxRadius=22)

每个参数的调整，都会对结果产生较大的影响。。