OpenCV自学笔记5：Hough变换检测直线和圆

Hough变换检测直线和圆

引言：
Hough变换被常用于检测图像中的直线和圆。其本质是将直角坐标系映射到极坐标系，有关Hough变换的原理

————————————————————-

Hough变换检测直线

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。

例子里使用到的图像如下（下载自百度）：

# -*- coding:utf-8 -*-

import cv2
import numpy as np

# Step1. 读入图像
src = cv2.imread('images/roof.jpg')
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)

# Step2. 边缘检测
edges = cv2.Canny(gray, 50, 150)
dst1 = cv2.cvtColor(edges, cv2.COLOR_GRAY2BGR)
dst2 = cv2.cvtColor(edges, cv2.COLOR_GRAY2BGR)

# Step3. Hough直线检测
minLineLength = 100
maxLineGap = 10
lines1 = cv2.HoughLines(edges, 1, np.pi/180.0, 200, minLineLength, maxLineGap)
if lines1 is not None:
    _lines1 = lines1[:, 0, :]  # 提取为二维
    for rho,theta in _lines1[:]:
        a = np.cos(theta)
        b = np.sin(theta)
        x0, y0 = a * rho, b * rho
        pt1 = ( int(x0 + 1000 * (-b)), int(y0 + 1000 * (a)) )
        pt2 = ( int(x0 - 1000 * (-b)), int(y0 - 1000 * (a)) )
        cv2.line(dst1, pt1, pt2, (0, 255, 0), 2)
    cv2.imshow("hough lines", dst1)

# Step4. HoughLineP直线检测
minLineLength = 50
maxLineGap = 10
lines2 = cv2.HoughLinesP(edges, 1, np.pi/180.0, 50, minLineLength, maxLineGap)
if lines2 is not None:
    _lines2 = lines2[:,0,:] 
    for x1,y1,x2,y2 in _lines2[:]:
        cv2.line(dst2,(x1, y1), (x2, y2), (0,255,0), 2)

cv2.imshow("hough lines P", dst2)

cv2.waitKey(0)

程序的运行结果如下，检测出了一些主要的直线。由于参数不同，两种方法检测出的直线效果不同，如果想调整检测的效果，需要调整函数中的参数值。

————————————————————-

Hough变换检测圆

OpenCV中提供了HoughCircles函数用来检测圆，下面是使用HoughCircles检测圆的例子

例子里使用到的图像如下：

# -*- coding:utf-8 -*-

import cv2
import numpy as np

# Step1. 读入图像
src = cv2.imread('images/moon.jpg')
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)

# Step2. Hough圆检测
# 根据多次尝试的结果，将param1调整为220时，检测效果较好
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 100, \
                           param1=220, param2=30, minRadius=100, maxRadius=200)
if circles is not None:
    for i in circles[0,:]:
        cv2.circle(src, (i[0], i[1]), i[2], (0, 255, 0), 2)

cv2.imshow("hough circle ", src)

cv2.waitKey(0)

程序的运行结果如下：