OpenCV霍夫线与scikit-image的对比

Question

OpenCV霍夫线与scikit-image的对比

7

我一直在比较OpenCV和scikit-image的霍夫线条实现，发现scikit-image的结果显著更好。我正在尝试在两者中都进行相同的Canny / Hough线性转换（在OpenCV中添加了GaussianBlur，因为我认为scikit会在canny的过程中将其作为一部分处理）。如果可能的话，我想了解如何从OpenCV中获得与scikit-image相似的结果。这是来自scikit-image的结果：

这是OpenCV的结果：

你可以看到它们明显更差。OpenCV 的中间 Canny 输出也更糟糕（但不是非常严重），所以我不确定那是否是问题？

我已将代码和结果上传至https://github.com/grokys/hough-test。对我的 Python 技能表示歉意。

- Grokys

尽管 OpenCV 和 scikit-image 看起来实现了相同的算法，但你如何知道它们是以相同/“正确”的方式实现的呢？HoughLinesP 具有距离和角度分辨率的参数（由您显式设置），而 probabilistic_hough_line 仅允许在某些角度进行处理（您没有使用）。要得出明确的答案，恐怕您需要深入研究源代码。 - HansHirse

是的，他们显然没有以完全相同的方式实现它们，但我已经尝试查看源代码（尝试过了，因为OpenCV并不容易阅读），它们似乎在基本上做着相同的事情。我希望能听到更多了解这些事情的人的意见，也许知道区别并知道如何改进OpenCV输出的人。 - Grokys

scikit是如何在内部选择参数的？也许你可以尝试在算法层面上使用相同的参数？ - Micka

你使用的OpenCV和scikit-learn版本是什么？ - mprat

1个回答

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

- coderam · Answer 1

函数HoughLinesP和probabilistic_hough_line在其目的上执行相同的操作，但它们的实现显然有很大的不同，这可以从它们具有不同参数这一事实中看出。简单的答案是，如果您向这两个函数提供等效的参数，则可以从任何一个函数获取相同的结果，这不是函数本身或其实现方式的问题，而是与您传递给它们的参数有关。