HoughLinesP openCV函数中的多线检测
Multiple line detection in HoughLinesP openCV function
我是 Python 和 OpenCV 的新手。我正在尝试使用来自互联网的代码使用 HoughLinesP 函数检测单行,检测到 3-4 行。我尝试使用 maxLineGap 变量但没有帮助。
输入图片:
输出图像:
import sys
import math
import cv2 as cv
import numpy as np
def main(argv):
default_file = "line.png"
filename = argv[0] if len(argv) > 0 else default_file
# Loads an image
src = cv.imread(filename, cv.IMREAD_GRAYSCALE)
# Check if image is loaded fine
if src is None:
print ('Error opening image!')
print ('Usage: hough_lines.py [image_name -- default ' + default_file + '] \n')
return -1
dst = cv.Canny(src, 50, 200, None, 3)
# Copy edges to the images that will display the results in BGR
cdst = cv.cvtColor(dst, cv.COLOR_GRAY2BGR)
cdstP = np.copy(cdst)
lines = cv.HoughLines(dst, 1, np.pi / 180, 150, None, 0, 0)
if lines is not None:
for i in range(0, len(lines)):
rho = lines[i][0][0]
theta = lines[i][0][1]
a = math.cos(theta)
b = math.sin(theta)
x0 = a * rho
y0 = b * rho
pt1 = (int(x0 + 1000*(-b)), int(y0 + 1000*(a)))
pt2 = (int(x0 - 1000*(-b)), int(y0 - 1000*(a)))
cv.line(cdst, pt1, pt2, (0,0,255), 3, cv.LINE_AA)
linesP = cv.HoughLinesP(dst, 1, np.pi / 180, 50, None, 50, 150)
no_of_Lines = 0
if linesP is not None:
for i in range(0, len(linesP)):
l = linesP[i][0]
no_of_Lines = no_of_Lines + 1
cv.line(cdstP, (l[0], l[1]), (l[2], l[3]), (0,0,255), 3, cv.LINE_AA)
print('Number of lines:' + str(no_of_Lines))
cv.imshow("Source", src)
cv.imshow("Detected Lines (in red) - Standard Hough Line Transform", cdst)
cv.imshow("Detected Lines (in red) - Probabilistic Line Transform", cdstP)
cv.waitKey()
return 0
if __name__ == "__main__":
main(sys.argv[1:])
将 Canny 应用于粗线的结果是该粗线的轮廓。这给你多行。因此,您不能指望霍夫变换会产生一条直线。
您有两个选择:合并输出行或预处理您的输入,使其只包含一行。
您的 Canny 边缘检测器的输出不止一行。结果函数cv.HoughLines()
returns多了一行。您需要对图像进行骨架化,以便将所有线条合并为一条。
这是我做的
由于这是一张简单的图像,我对 Canny 边缘输出执行了几个形态学操作。膨胀后腐蚀。如果你注意到下面的代码,我使用了更大的内核大小来执行腐蚀以获得细线。
补码:
kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (3, 3))
dilation = cv.dilate(dst, kernel, iterations = 1)
kernel1 = cv.getStructuringElement(cv.MORPH_ELLIPSE, (5, 5))
erosion = cv.erode(dilation, kernel1, iterations = 1)
输出:
这是我在 python 控制台上得到的:
Number of lines:1
侵蚀后的输出:
霍夫线变换的输出:
概率霍夫线变换的输出:
注:
在尝试识别细线之前,始终确保图像中有细线。
我是 Python 和 OpenCV 的新手。我正在尝试使用来自互联网的代码使用 HoughLinesP 函数检测单行,检测到 3-4 行。我尝试使用 maxLineGap 变量但没有帮助。
输入图片:
import sys
import math
import cv2 as cv
import numpy as np
def main(argv):
default_file = "line.png"
filename = argv[0] if len(argv) > 0 else default_file
# Loads an image
src = cv.imread(filename, cv.IMREAD_GRAYSCALE)
# Check if image is loaded fine
if src is None:
print ('Error opening image!')
print ('Usage: hough_lines.py [image_name -- default ' + default_file + '] \n')
return -1
dst = cv.Canny(src, 50, 200, None, 3)
# Copy edges to the images that will display the results in BGR
cdst = cv.cvtColor(dst, cv.COLOR_GRAY2BGR)
cdstP = np.copy(cdst)
lines = cv.HoughLines(dst, 1, np.pi / 180, 150, None, 0, 0)
if lines is not None:
for i in range(0, len(lines)):
rho = lines[i][0][0]
theta = lines[i][0][1]
a = math.cos(theta)
b = math.sin(theta)
x0 = a * rho
y0 = b * rho
pt1 = (int(x0 + 1000*(-b)), int(y0 + 1000*(a)))
pt2 = (int(x0 - 1000*(-b)), int(y0 - 1000*(a)))
cv.line(cdst, pt1, pt2, (0,0,255), 3, cv.LINE_AA)
linesP = cv.HoughLinesP(dst, 1, np.pi / 180, 50, None, 50, 150)
no_of_Lines = 0
if linesP is not None:
for i in range(0, len(linesP)):
l = linesP[i][0]
no_of_Lines = no_of_Lines + 1
cv.line(cdstP, (l[0], l[1]), (l[2], l[3]), (0,0,255), 3, cv.LINE_AA)
print('Number of lines:' + str(no_of_Lines))
cv.imshow("Source", src)
cv.imshow("Detected Lines (in red) - Standard Hough Line Transform", cdst)
cv.imshow("Detected Lines (in red) - Probabilistic Line Transform", cdstP)
cv.waitKey()
return 0
if __name__ == "__main__":
main(sys.argv[1:])
将 Canny 应用于粗线的结果是该粗线的轮廓。这给你多行。因此,您不能指望霍夫变换会产生一条直线。
您有两个选择:合并输出行或预处理您的输入,使其只包含一行。
您的 Canny 边缘检测器的输出不止一行。结果函数cv.HoughLines()
returns多了一行。您需要对图像进行骨架化,以便将所有线条合并为一条。
这是我做的
由于这是一张简单的图像,我对 Canny 边缘输出执行了几个形态学操作。膨胀后腐蚀。如果你注意到下面的代码,我使用了更大的内核大小来执行腐蚀以获得细线。
补码:
kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (3, 3))
dilation = cv.dilate(dst, kernel, iterations = 1)
kernel1 = cv.getStructuringElement(cv.MORPH_ELLIPSE, (5, 5))
erosion = cv.erode(dilation, kernel1, iterations = 1)
输出:
这是我在 python 控制台上得到的:
Number of lines:1
侵蚀后的输出:
霍夫线变换的输出:
概率霍夫线变换的输出:
注:
在尝试识别细线之前,始终确保图像中有细线。