Python如何使用OpenCV检测图像中的形状？

2021年11月11日02:45:37 发表评论 1,349 次浏览

Python OpenCV检测图像中的形状：在 Python 中使用带有 OpenCV 的霍夫变换技术检测图像中的形状、线条和圆形。霍夫变换是一种流行的特征提取技术，用于检测图像中的任何形状。

在之前的教程中，我们已经看到了如何检测图像中的边缘。然而，这在图像处理阶段通常是不够的。在本OpenCV检测图像形状教程中，你将学习如何使用OpenCV库在 Python 中使用霍夫变换技术检测图像中的形状（主要是线和圆）。

OpenCV如何检测图像形状？霍夫变换是一种流行的特征提取技术，用于检测图像中的任何形状。它主要用于图像分析、计算机视觉和图像识别。

相关：如何在 Python 中应用 HOG 特征提取。

让我们开始吧，安装需求：

pip3 install opencv-python numpy matplotlib

导入模块：

import numpy as np
import matplotlib.pyplot as plt
import cv2

检测线

我将使用计算机显示器的照片，确保你的当前目录中有照片monitor.jpg（你可以随意使用任何一个）：

# read the image
image = cv2.imread("monitor.jpg")

我们需要将此图像转换为灰度以进行边缘检测：

# convert to grayscale
grayscale = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

让我们检测图像的边缘：

# perform edge detection
edges = cv2.Canny(grayscale, 30, 100)

如果你不确定cv2.Canny在做什么，请参阅本教程。

现在我们已经检测到图像中的边缘，适合我们使用霍夫变换来检测线条：

# detect lines in the image using hough lines technique
lines = cv2.HoughLinesP(edges, 1, np.pi/180, 60, np.array([]), 50, 5)

OpenCV检测图像形状教程：cv2.HoughLinesP()函数使用概率霍夫变换在二值图像中查找线段。有关其参数的更多信息，请查看本教程。

让我们画线：

# iterate over the output lines and draw them
for line in lines:
    for x1, y1, x2, y2 in line:
        cv2.line(image, (x1, y1), (x2, y2), (20, 220, 20), 3)

显示图像：

# show the image
plt.imshow(image)
plt.show()

Python OpenCV检测图像中的形状：这是我的输出： Python如何使用OpenCV检测图像中的形状？

OpenCV如何检测图像形状？绿线是我们刚刚画的线，如你所见，大部分显示器都被绿线包围，随意调整参数以获得更好的效果。

这是用于检测实时摄像机中线条的完整代码：

import numpy as np
import matplotlib.pyplot as plt
import cv2

cap = cv2.VideoCapture(0)

while True:
    _, image = cap.read()
    # convert to grayscale
    grayscale = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # perform edge detection
    edges = cv2.Canny(grayscale, 30, 100)
    # detect lines in the image using hough lines technique
    lines = cv2.HoughLinesP(edges, 1, np.pi/180, 60, np.array([]), 50, 5)
    # iterate over the output lines and draw them
    for line in lines:
        for x1, y1, x2, y2 in line:
            cv2.line(image, (x1, y1), (x2, y2), (255, 0, 0), 3)
            cv2.line(edges, (x1, y1), (x2, y2), (255, 0, 0), 3)
    # show images
    cv2.imshow("image", image)
    cv2.imshow("edges", edges)
    if cv2.waitKey(1) == ord("q"):
        break
cap.release()
cv2.destroyAllWindows()

另请学习：在 Python 中使用 OpenCV 进行图像转换。

检测圆圈

为了检测圆圈，我们需要使用cv2.HoughCircles()方法来代替，我在当前目录中有coins.jpg图像（包含几个硬币），让我们加载它：

# load the image
img = cv2.imread("coins.jpg")

接下来，我们将创建此图像的新副本，我们将在其中绘制检测到的圆圈：

# convert BGR to RGB to be suitable for showing using matplotlib library
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# make a copy of the original image
cimg = img.copy()

OpenCV检测图像形状教程：为了将图像传递给该方法，我们需要将其转换为灰度并模糊图像，cv2.medianBlur()完成以下工作：

# convert image to grayscale
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# apply a blur using the median filter
img = cv2.medianBlur(img, 5)

之后，让我们检测圆圈：

# finds the circles in the grayscale image using the Hough transform
circles = cv2.HoughCircles(image=img, method=cv2.HOUGH_GRADIENT, dp=0.9, 
                            minDist=80, param1=110, param2=39, maxRadius=70)

如果你想知道这些参数指的是什么，请键入help(cv2.HoughCircles)，你会找到很好的解释。

OpenCV如何检测图像形状？最后，让我们绘制并显示我们刚刚检测到的圆圈：

for co, i in enumerate(circles[0, :], start=1):
    # draw the outer circle in green
    cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)
    # draw the center of the circle in red
    cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)
    
# print the number of circles detected
print("Number of circles detected:", co)
# save the image, convert to BGR to save with proper colors
# cv2.imwrite("coins_circles_detected.png", cimg)
# show the image
plt.imshow(cimg)
plt.show()

这是我的结果：