详解在Python中使用OpenCV进行直线检测

目录

• 1.引言
• 2.霍夫变换
• 3.举个栗子
• 3.1读入图像进行灰度化
• 3.2执行边缘检测
• 3.3进行霍夫变换
• 补充

1. 引言

在图像处理中，直线检测是一种常见的算法，它通常获取n个边缘点的集合，并找到通过这些边缘点的直线。其中用于直线检测，最为流行的检测器是基于霍夫变换的直线检测技术。

2. 霍夫变换

霍夫变换是图像处理中的一种特征提取方法，可以识别图像中的几何形状。它将在参数空间内进行投票来决定其物体形状，通过检测累计结果找到一极大值所对应的解，利用此解即可得到一个符合特定形状的参数。

在使用霍夫变换侦测直线前，须先利用边缘检测算法来减少图像的数据量、剔掉不相关的信息，保留图像中重要的结构特征。

3. 举个栗子

3.1 读入图像 进行灰度化

首先我们读入样例测试图像，然后利用cvtColor()函数进行灰度化操作，样例代码如下：

im = cv2.imread("./ladder.png")
gray_img = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

运行结果如下：

上图中左侧为彩色原图，右侧为执行灰度化后的灰度图。

3.2 执行边缘检测

接着我们来利用边缘检测算法（Canny、Sobel、Laplacian等）来检测物体边缘，样例代码如下：

canny = cv2.Canny(gray_img, 30, 150)

运行结果如下：

3.3 进行霍夫变换

最后，我们使用霍夫变换来得出直线检测结果，样例代码如下：

lines = cv2.HoughLines(canny, 1, np.pi / 180, 180)
lines1 = lines[:, 0, :]
for rho, theta in lines1[:]:
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a * rho
    y0 = b * rho
    x1 = int(x0 + 3000 * (-b))
    y1 = int(y0 + 3000 * (a))
    x2 = int(x0 - 3000 * (-b))
    y2 = int(y0 - 3000 * (a))
    cv2.line(im, (x1, y1), (x2, y2), (0, 0, 255), 2)

运行结果如下：

可以看出，通过简单的几步操作，我们就可以很方便的检测出图像中的所有直线。

补充

当然Python利用OpenCV不仅能检测直线，还能检测出直线倾斜角度。下面是实现的核心代码

import cv2
import numpy as np

def line_detect(image):
  # 将图片转换为HSV
  hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
  # 设置阈值
  lowera = np.array([0, 0, 221])
  uppera = np.array([180, 30, 255])
  mask1 = cv2.inRange(hsv, lowera, uppera)
  kernel = np.ones((3, 3), np.uint8)

  # 对得到的图像进行形态学操作（闭运算和开运算）
  mask = cv2.morphologyEx(mask1, cv2.MORPH_CLOSE, kernel) #闭运算：表示先进行膨胀操作，再进行腐蚀操作
  mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)  #开运算：表示的是先进行腐蚀，再进行膨胀操作

  # 绘制轮廓
  edges = cv2.Canny(mask, 50, 150, apertureSize=3)
  # 显示图片
  cv2.imshow("edges", edges)
  # 检测白线  这里是设置检测直线的条件，可以去读一读HoughLinesP()函数，然后根据自己的要求设置检测条件
  lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 40,minLineLength=10,maxLineGap=10)
  print "lines=",lines
  print "========================================================"
  i=1
  # 对通过霍夫变换得到的数据进行遍历
  for line in lines:
    # newlines1 = lines[:, 0, :]
    print "line["+str(i-1)+"]=",line
    x1,y1,x2,y2 = line[0]  #两点确定一条直线，这里就是通过遍历得到的两个点的数据 （x1,y1）(x2,y2)
    cv2.line(image,(x1,y1),(x2,y2),(0,0,255),2)   #在原图上画线
    # 转换为浮点数，计算斜率
    x1 = float(x1)
    x2 = float(x2)
    y1 = float(y1)
    y2 = float(y2)
    print "x1=%s,x2=%s,y1=%s,y2=%s" % (x1, x2, y1, y2)
    if x2 - x1 == 0:
      print "直线是竖直的"
      result=90
    elif y2 - y1 == 0 :
      print "直线是水平的"
      result=0
    else:
      # 计算斜率
      k = -(y2 - y1) / (x2 - x1)
      # 求反正切，再将得到的弧度转换为度
      result = np.arctan(k) * 57.29577
      print "直线倾斜角度为：" + str(result) + "度"
    i = i+1
  #   显示最后的成果图
  cv2.imshow("line_detect",image)
  return result

if __name__ == '__main__':
  # 读入图片
  src = cv2.imread("lines/line6.jpg")
  # 设置窗口大小
  cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
  # 显示原始图片
  cv2.imshow("input image", src)
  # 调用函数
  line_detect(src)
  cv2.waitKey(0)

到此这篇关于详解在Python中使用OpenCV进行直线检测的文章就介绍到这了,更多相关Python OpenCV直线检测内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！