外贸营销型网站建设,如何做好网站建设销售,山东建大建设有限公司网站,怎么在百度上免费做广告原理链接如下#xff1a;陌归#xff1a;霍夫#xff08;Hough#xff09;变换之直线检测代码链接#xff1a;Ganso#xff1a;Fundamentals——从车道线检测谈到霍夫变换同样是一篇讲解原理的番外#xff0c;这一篇主要讲解CV中常用的霍夫变换的数学原理。霍夫变换的由…原理链接如下陌归霍夫Hough变换之直线检测代码链接GansoFundamentals——从车道线检测谈到霍夫变换同样是一篇讲解原理的番外这一篇主要讲解CV中常用的霍夫变换的数学原理。霍夫变换的由来“霍夫变换于1962年由Paul Hough首次提出最初的Hough变换是设计用来检测直线和曲线起初的方法要求知道物体边界线的解析方程但不需要有关区域位置的先验知识。后于1972年由Richard Duda Peter Hart推广使用。”其实霍夫变换的中心思想就是通过坐标变换来检测直线后来经过改进就可以检测椭圆等。霍夫线变换坐标系的角度说起直线我们会想到笛卡尔坐标系即x-y坐标系下的直线方程细分之则有点斜式、截距式等 是我们最熟悉的一种。但直线垂直于x轴时斜率 不存在这给我们带来许多不便之处。这时极坐标就carry全场了它与笛卡尔坐标系的转换关系 变形可得 为原点到直线的距离也常用 表示示意图如下由此极坐标下直线可用 表示。这就启发我们同一直线上的点具有相同的 x-y坐标系下的一个点在rho-theta坐标系下为正弦曲线同一直线上的点会有相同的rho和theta即在rho-theta下交于一点统计学的角度内容出自Opencv学习笔记-----霍夫变换直线检测及原理理解 - CSDN博客如上图假定在一个8*8的平面像素中有一条直线并且从左上角 像素点开始分别计算 为0°、45°、90°、135°、180°时的 图中可以看出 分别为 并给这5个值分别记一票同理计算像素点 点 为0°、45°、90°、135°、180°时的 再给计算出来的5个 值分别记一票此时就会发现 的这个值已经记了两票了以此类推遍历完整个8*8的像素空间的时候 就记了5票 别的 值的票数均小于5票所以得到该直线在这个8*8的像素坐标中的极坐标方程为 到此该直线方程就求出来了。霍夫圆变换霍夫圆变换使用的算法叫霍夫梯度法对应的函数为HoughCircles这个函数实际上是对常规找圆算法的一种改进这里不展开讲想学习这个原理的同学请参考找圆算法(HoughCircles)总结与优化 - CSDN博客1. base导入必要的包顺便写一个打印图像的函数cv2与plt颜色通道不一致所以为什么不用plt导入呢。import numpy as np
import matplotlib.pyplot as plt
import cv2# opencv的颜色通道顺序为[B,G,R]而matplotlib的颜色通道顺序为[R,G,B]。
def plotImg(img):if len(img.shape)3:img img[:,:,(2,1,0)]plt.imshow(img)else:plt.imshow(img, cmapgray)plt.show()导入图片感觉如果干扰很多效果也不会太好。image cv2.imread(test_image.jpg)
plotImg(image)canny灰度模糊canny三连击。canny输入需求如此。def canny(image):gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)blur cv2.GaussianBlur(gray,(5,5),0)canny cv2.Canny(blur, 50, 150)return cannylane_image np.copy(image)
canny canny(lane_image)
plotImg(canny)region_of_interest手工特征区域作者的思路也是蛮清奇的。简单来说就是对于视角前面的三角形区域做了一个mask全部填充255与原图像bitwise。def region_of_interest(image):height image.shape[0]polygons np.array([[(200,height), (1100,height), (550,250)]])mask np.zeros_like(image)cv2.fillPoly(mask, polygons, 255)masked_image cv2.bitwise_and(image,mask)return masked_imagecropped_image region_of_interest(canny)
plotImg(cropped_image)2. Hough Transform将图像提取边缘之后获得了很多杂乱的点而我们需要做的就是找到过这些点的公共直线。点斜式方程点斜式方程是 那么对于经过下图黑色点的直线簇我们可以将其映射到一个以mb位坐标的空间b是m的线性函数。对于不同的两个点我们可以将其直线簇映射到mb空间的两个直线上而mb空间两个直线的交点(m,b)就是这两个点公共直线的参数。但是这样还是存在问题的当直线是垂直的时候m趋向于无穷不好表示我们需要另外一种映射。极坐标方程在极坐标空间中对于过固定点的直线过原点做垂线记距离为 夹角为 通过图示我们可以得到对于过一点xy的直线簇有: 也就是说过固定点的直线簇 与 之间有一定的函数关系。霍夫变换我们将过每个点的直线簇映射到极坐标空间基本都由一条曲线表示比如图示的三个点这样。曲线的交点对应的坐标就是过所有点的直线的极坐标参数。投票机制当图片上的点非常多时所有曲线并不期望相交于一点。我们可以将霍夫空间划分为一个个patch当一个patch上面的交点满足大于某个threshold时我们视为这些点有它们的公共直线。3. cv2实现cv.2HoughLinesP(image, rho, theta, threshold[, lines[, minLineLength[, maxLineGap]]])参数image 图像。rho、theta分辨率。分别率就是指同一个角度如果计算出两点的rio值小于2则认为是同一直线。threshold投票阈值。lines没有查到。minLineLength最小线条长度。maxLineGap最大线条间隔。 def display_lines(image,lines):line_image np.zeros_like(image)if lines is not None:for line in lines:x1, y1, x2, y2 line.reshape(4)cv2.line(line_image, (x1,y1), (x2,y2),(255,0,0),10)return line_imagelines cv2.HoughLinesP(cropped_image, 2, np.pi/180, 100, np.array([133,2]), minLineLength40, maxLineGap5)
line_image display_lines(image,lines)
plotImg(line_image)combo_image cv2.addWeighted(lane_image,0.8, line_image,1,1)
plotImg(combo_image)霍夫变换求直线
