如何使用OpenCV和HoughLines在图像中检测垂直和水平线？（Python）

Question

如何使用OpenCV和HoughLines在图像中检测垂直和水平线？（Python）

pythonopencvcamera-calibrationhough-transform

27

我正在尝试获取校准棋盘的阈值。由于观察到微型棋盘存在一些灰尘，无法直接检测棋盘角落。我尝试了几种方法，HoughLinesP似乎是最简单的方法。但结果不太好，如何改善我的结果？

import numpy as np
import cv2

img = cv2.imread('lines.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)
print img.shape[1]
print img.shape
minLineLength=100
lines = cv2.HoughLinesP(image=edges,rho=0.02,theta=np.pi/500, threshold=10,lines=np.array([]), minLineLength=minLineLength,maxLineGap=100)

a,b,c = lines.shape
for i in range(a):
    cv2.line(img, (lines[i][0][0], lines[i][0][1]), (lines[i][0][2], lines[i][0][3]), (0, 0, 255), 3, cv2.LINE_AA)
    cv2.imwrite('houghlines5.jpg',img)

如下图所示，我无法获得我的棋盘，线条在很多方向上被绘制...（原始图片：https://s22.postimg.org/iq2b91xq9/droite_Image_00000.jpg）

- user3601754

使用阈值处理，或尝试减少小点（腐蚀、膨胀）。 - linusg

我已经尝试过，但没有与霍夫线相耦合。也许这可以帮助获取线条？谢谢你的帮助 ;) - user3601754

我真的想再尝试一下阈值处理！ - linusg

我尝试使用中值滤波器去除噪音，但效果不够好，或者尝试对正方形进行标记以隔离它。但结果并不是很好，即重投影误差有时很大（RMS > 1）。 - user3601754

如果您不需要实现自己的解决方案，可以尝试使用已经实现的方法http://docs.opencv.org/2.4/doc/tutorials/calib3d/camera_calibration_square_chess/camera_calibration_square_chess.html - GpG

显示剩余4条评论

3个回答

2

我更愿意将这个写成评论，但不幸的是我不能。你应该改变minLineLength和minLineGap。或者如果你只需要找到正方形，可以获取所有线条并检查它们之间的角度，以获得仅沿着正方形的线条。我以前使用过HoughLineP，它基本上是基于上述两个参数的。此外，尝试使用双边滤波器。当使用中值滤波器进行锐化时无法帮助时，它确实有帮助。

双边滤波器

- Rick M.

1

在图像处理中，您需要经过一些步骤，例如在进行边缘检测之前必须经过滤波器。在您的情况下，灰尘只是需要通过滤波器去除的噪声。使用高斯或模糊滤波器，然后使用阈值处理，最后使用Canny算法进行边缘检测。在OpenCV中还有角点检测工具可供使用，或者您可以在阈值处理后直接使用关键点提取。请按照这些步骤操作并查看结果。

- shadow

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- saurabheights · Accepted Answer

您使用的rho值过小。

尝试以下代码：

import numpy as np
import cv2

gray = cv2.imread('lines.jpg')
edges = cv2.Canny(gray,50,150,apertureSize = 3)
cv2.imwrite('edges-50-150.jpg',edges)
minLineLength=100
lines = cv2.HoughLinesP(image=edges,rho=1,theta=np.pi/180, threshold=100,lines=np.array([]), minLineLength=minLineLength,maxLineGap=80)

a,b,c = lines.shape
for i in range(a):
    cv2.line(gray, (lines[i][0][0], lines[i][0][1]), (lines[i][0][2], lines[i][0][3]), (0, 0, 255), 3, cv2.LINE_AA)
    cv2.imwrite('houghlines5.jpg',gray)

注意，更改rho值、pi值和maxLineGap值以减少异常值。

输入图像

边缘图像

输出图像

杂项 - 初学者提示

许多计算机视觉算法假定输入数据符合某些特定的假设。在构建概念验证时，请始终尝试查看应用此类算法之前生成的中间输入。
为了快速测试，如果算法接受一些参数，请对这些参数的可能值使用for循环并观察结果如何变化。链接是有关如何快速生成这些可能值的答案。
要真正理解算法，请阅读维基百科或更好的来源。然后再进行上述测试（步骤2）。它将进一步澄清您的理解。