目录
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
- 将输入图像转化为灰度值,并进行高斯滤波与Canny边缘检测
- 对图像进行霍夫变化,捕获图像中的直线
- 对霍夫变换的结果进行过滤,得到有效边缘
- 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)
标签:img,Image,imshow,cv2,霍夫,图像,四边形,Open,CV
From: https://blog.csdn.net/m0_54414158/article/details/143506327