基于Open-CV的多四边形检测方案（一）：图像预处理与霍夫变换

目录

• 一、设计目标
• 二、工作流程
• 三、图像预处理与霍夫变换

一、设计目标

对于一个含有多个相邻四边形的图片，可以定位出其中每一个四边形的顶点。典型的案例如一个围棋棋盘，可以定位出所有的格子的点。

软件工具：

Python==3.9
opencv-python==4.10.0.84
numpy==1.22.4

二、工作流程

1. 将输入图像转化为灰度值，并进行高斯滤波与Canny边缘检测
2. 对图像进行霍夫变化，捕获图像中的直线
3. 对霍夫变换的结果进行过滤，得到有效边缘
4. 通过有效边缘定位边框，给出定位点

三、图像预处理与霍夫变换

首先是载入图像，并进行简单的预处理，包括转化为灰度、高斯滤波、边缘检测：

import cv2

img_path = 'your_image_path'
# 读取图片
orignal_img = cv2.imread(img_path)
# 简单预处理
imgGray = cv2.cvtColor(orignal_img, cv2.COLOR_RGB2GRAY)
imgBlur = cv2.GaussianBlur(imgGray, (5, 5), 1)
imgCanny = cv2.Canny(imgBlur, 60, 60)
# 显示
cv2.imshow("Original Image", orignal_img)
cv2.imshow("Gray Image", imgGray)
cv2.imshow("GaussianBlur Image", imgBlur)
cv2.imshow("Edge Image", imgCanny)
k = cv2.waitKey(0)

然后对边缘检测后的图像进行霍夫变换，霍夫变换的作用是检测矩形框构成的直线:

# img_org：原始图片
# img_edge：进行边缘检测后的图片
def get_hough_res(img_org, img_edge):
    imgLines = img_org.copy()
    # 霍夫变换
    lines = cv2.HoughLines(img_edge, 1, np.pi / 180, 200, 300, 5)
    # 计算坐标并绘制
    for line in lines:
        rho = line[0][0]
        theta = line[0][1]
        a = np.cos(theta)
        b = np.sin(theta)
        x0 = a * rho
        y0 = b * rho
        x1 = int(x0 + 1000 * (-b))
        y1 = int(y0 + 1000 * (a))
        x2 = int(x0 - 1000 * (-b))
        y2 = int(y0 - 1000 * (a))

        cv2.line(imgLines, (x1, y1), (x2, y2), (0, 0, 255), 2)
    return imgLines

imgHough = get_hough_res(orignal_img, imgCanny)

cv2.imshow("Orginal Image", orignal_img)
cv2.imshow("Hough Image", imgHough)
k = cv2.waitKey(0)