• <bdo id='pGcQ0'></bdo><ul id='pGcQ0'></ul>
    <tfoot id='pGcQ0'></tfoot>

      1. <small id='pGcQ0'></small><noframes id='pGcQ0'>

        <legend id='pGcQ0'><style id='pGcQ0'><dir id='pGcQ0'><q id='pGcQ0'></q></dir></style></legend>
        <i id='pGcQ0'><tr id='pGcQ0'><dt id='pGcQ0'><q id='pGcQ0'><span id='pGcQ0'><b id='pGcQ0'><form id='pGcQ0'><ins id='pGcQ0'></ins><ul id='pGcQ0'></ul><sub id='pGcQ0'></sub></form><legend id='pGcQ0'></legend><bdo id='pGcQ0'><pre id='pGcQ0'><center id='pGcQ0'></center></pre></bdo></b><th id='pGcQ0'></th></span></q></dt></tr></i><div id='pGcQ0'><tfoot id='pGcQ0'></tfoot><dl id='pGcQ0'><fieldset id='pGcQ0'></fieldset></dl></div>

        python opencv检测直线 cv2.HoughLinesP的实现

        时间:2023-12-17
      2. <legend id='OfwBO'><style id='OfwBO'><dir id='OfwBO'><q id='OfwBO'></q></dir></style></legend>

              <tbody id='OfwBO'></tbody>
            <tfoot id='OfwBO'></tfoot>

              <small id='OfwBO'></small><noframes id='OfwBO'>

                <i id='OfwBO'><tr id='OfwBO'><dt id='OfwBO'><q id='OfwBO'><span id='OfwBO'><b id='OfwBO'><form id='OfwBO'><ins id='OfwBO'></ins><ul id='OfwBO'></ul><sub id='OfwBO'></sub></form><legend id='OfwBO'></legend><bdo id='OfwBO'><pre id='OfwBO'><center id='OfwBO'></center></pre></bdo></b><th id='OfwBO'></th></span></q></dt></tr></i><div id='OfwBO'><tfoot id='OfwBO'></tfoot><dl id='OfwBO'><fieldset id='OfwBO'></fieldset></dl></div>
                  <bdo id='OfwBO'></bdo><ul id='OfwBO'></ul>
                • 针对“python opencv检测直线 cv2.HoughLinesP的实现”,以下是一份完整攻略。

                  一、关于cv2.HoughLinesP函数

                  cv2.HoughLinesP是OpenCV中检测直线的函数,通过应用霍夫变换来完成这个过程。它能够在图像中检测到一组直线,并返回一组由起点和终点组成的(x1, y1, x2, y2)值的坐标。

                  cv2.HoughLinesP函数的参数如下:

                  cv2.HoughLinesP(image, rho, theta, threshold[, lines[, minLineLength[, maxLineGap]]])
                  

                  各参数含义如下:

                  • image:需要检测直线的8位单通道图像。
                  • rho:参数rho表示以像素为单位的距离精度。一般情况下,设置为1.0。
                  • theta:参数theta表示以弧度为单位的角度精度。一般情况下,设置为π/180。
                  • threshold:参数threshold表示检测直线时使用的最小投票数。最小投票数越高,检测出的直线越少,默认为100。
                  • lines:表示经检测所得到的直线的参数对(x1, y1, x2, y2)组成的list。
                  • minLineLength:表示可以检测的直线的最小长度。默认值为0,可以设置为10。
                  • maxLineGap:表示同一行内,两条直线之间的最大间隔。默认值为0,可以设置为5。

                  二、使用cv2.HoughLinesP函数检测直线

                  以下我们通过两个实例来演示如何使用cv2.HoughLinesP函数检测直线。

                  实例1:检测图像中所有的横向直线

                  import cv2
                  import numpy as np
                  
                  # 读入一张图像
                  image = cv2.imread('image.png')
                  
                  # 转换为灰度图像
                  gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
                  
                  # 阈值处理
                  ret, thresh = cv2.threshold(gray, 180, 255, cv2.THRESH_BINARY)
                  
                  # 边缘检测
                  edges = cv2.Canny(thresh, 50, 150, apertureSize=3)
                  
                  # 进行霍夫直线检测
                  lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=100, maxLineGap=10)
                  
                  # 在原图上标记检测出的直线
                  for line in lines:
                      x1, y1, x2, y2 = line[0]
                      cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)
                  
                  # 展示结果
                  cv2.imshow('Image', image)
                  cv2.waitKey(0)
                  cv2.destroyAllWindows()
                  

                  以上代码将从一张图像中检测出所有的横向直线并在原图上进行标记。

                  实例2:检测图像中所有的竖向直线

                  import cv2
                  import numpy as np
                  
                  # 读入一张图像
                  image = cv2.imread('image.png')
                  
                  # 转换为灰度图像
                  gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
                  
                  # 阈值处理
                  ret, thresh = cv2.threshold(gray, 180, 255, cv2.THRESH_BINARY)
                  
                  # 边缘检测
                  edges = cv2.Canny(thresh, 50, 150, apertureSize=3)
                  
                  # 进行霍夫直线检测
                  lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=100, maxLineGap=10)
                  
                  # 对检测出的直线进行角度判断,筛选出竖直线
                  for line in lines:
                      x1, y1, x2, y2 = line[0]
                      # 判断直线的角度是否接近于竖直
                      if abs(x2 - x1) < abs(y2 - y1):
                          cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)
                  
                  # 展示结果
                  cv2.imshow('Image', image)
                  cv2.waitKey(0)
                  cv2.destroyAllWindows()
                  

                  以上代码将从一张图像中检测出所有的竖向直线并在原图上进行标记。

                  三、总结

                  通过以上两个实例,我们可以将cv2.HoughLinesP函数的使用过程进行总结:

                  1. 通过一系列处理(如转灰度、阈值处理、边缘检测等)得到一张二值化的图像;
                  2. 调用cv2.HoughLinesP函数,并传入上一步得到的图像;
                  3. 根据实际需要设置检测直线时使用的参数(如横向直线或竖向直线);
                  4. 对返回的直线参数进行处理,标记在原图上。

                  希望这份攻略可以对您有所帮助。

                  上一篇:基于Python实现对PDF文件的OCR识别 下一篇:Python Opencv实现图片切割处理

                  相关文章

                  <legend id='jzO5l'><style id='jzO5l'><dir id='jzO5l'><q id='jzO5l'></q></dir></style></legend>
                • <i id='jzO5l'><tr id='jzO5l'><dt id='jzO5l'><q id='jzO5l'><span id='jzO5l'><b id='jzO5l'><form id='jzO5l'><ins id='jzO5l'></ins><ul id='jzO5l'></ul><sub id='jzO5l'></sub></form><legend id='jzO5l'></legend><bdo id='jzO5l'><pre id='jzO5l'><center id='jzO5l'></center></pre></bdo></b><th id='jzO5l'></th></span></q></dt></tr></i><div id='jzO5l'><tfoot id='jzO5l'></tfoot><dl id='jzO5l'><fieldset id='jzO5l'></fieldset></dl></div>
                    <bdo id='jzO5l'></bdo><ul id='jzO5l'></ul>

                  1. <small id='jzO5l'></small><noframes id='jzO5l'>

                    1. <tfoot id='jzO5l'></tfoot>