目錄題目
解決方法
完整**
hough引數詳解 總結
參考用霍夫變換找出影象中的直線和圓（用彩色直線和圓標記在原圖上）。要求有**，有注釋，有過程、有結果
# 1.載入，轉為二值圖
gray = cv2.cvtcolor(img, cv2.color_bgr2gray) # 由於canny只能處理灰度圖，所以將讀取的影象轉成灰度圖。
gray = cv2.gaussianblur(gray, (3, 3), 0) # 用高斯平滑處理原影象降噪。
# 2.1.霍夫直線變換
lines = cv2.houghlinesp(edges, 1, np.pi / 180, 25, minlinelength=19, maxlinegap=17)
'''rho: 線段以畫素為單位的距離精度，推薦用1.0
minlinelength：表示直線長度的閾值，超過設定閾值才被檢測出線段，值越大，基本上意味著檢出的線段越長，檢出的線段個數越少
maxlinegap：同一方向上兩條線段判定為一條線段的最大允許間隔（斷裂），小於了設定值，則把兩條線段當成一條線段
返回值為直線的起點和終點。
'''# 2.2.霍夫圓變換
circles = cv2.houghcircles(edges, cv2.hough_gradient, 1, 100, param2=30)
circles = np.int0(np.around(circles))
# 3.將檢測到的畫出來
lines1 = lines[:, 0, :] # 提取為二維
for x1, y1, x2, y2 in lines1[:]:
cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)
for i in circles[0, :]:
cv2.circle(img, (i[0], i[1]), i[2], (0, 0, 255), 2) # 畫出外圓
# cv2.circle(img, (i[0], i[1]), 2, (0, 255, 0), 3) # 畫出圓心
# 1.載入，轉為二值圖
gray = cv2.cvtcolor(img, cv2.color_bgr2gray) # 由於canny只能處理灰度圖，所以將讀取的影象轉成灰度圖。
cv2.imshow('gray', gray)
gray = cv2.gaussianblur(gray, (3, 3), 0) # 用高斯平滑處理原影象降噪。
cv2.imshow('gaussian smoothing', gray)
edges = cv2.canny(gray, 70, 220)
cv2.imshow('edges', edges)
# 2.1.霍夫直線變換
lines = cv2.houghlinesp(edges, 1, np.pi / 180, 25, minlinelength=19, maxlinegap=17)
'''rho: 線段以畫素為單位的距離精度，推薦用1.0
minlinelength：表示直線長度的閾值，超過設定閾值才被檢測出線段，值越大，基本上意味著檢出的線段越長，檢出的線段個數越少
maxlinegap：同一方向上兩條線段判定為一條線段的最大允許間隔（斷裂），小於了設定值，則把兩條線段當成一條線段
返回值為直線的起點和終點。
'''
# 2.2.霍夫圓變換
circles = cv2.houghcircles(edges, cv2.hough_gradient, 1, 100, param2=30)
circles = np.int0(np.around(circles))
# 3.將檢測到的畫出來
lines1 = lines[:, 0, :] # 提取為二維
for x1, y1, x2, y2 in lines1[:]:
cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)
for i in circles[0, :]:
cv2.circle(img, (i[0], i[1]), i[2], (0, 0, 255), 2) # 畫出外圓
# cv2.circle(img, (i[0], i[1]), 2, (0, 255, 0), 3) # 畫出圓心
cv2.imshow('result', img)
cv2.waitkey(0)
cv2.houghcircles(image,method,dp,mindist[, circles[,param1, param2[,minradius[,maxradius]]]]])
其返回n個圓的資訊儲存在1×n×的ndarray。
image不用多說，輸入矩陣
methodcv2.hough_gradient 也就是霍夫圓檢測，梯度法
dp計數器的解析度影象畫素解析度與引數空間解析度的比值（官方文件上寫的是影象解析度與累加器解析度的比值，它把引數空間認為是乙個累加器，畢竟裡面儲存的都是經過的畫素點的數量），dp=1，則引數空間與影象畫素空間（解析度）一樣大，dp=2，引數空間的解析度只有畫素空間的一半大
mindist圓心之間最小距離，如果距離太小，會產生很多相交的圓，如果距離太大，則會漏掉正確的圓
param1canny檢測的雙閾值中的高閾值，低閾值是它的一半（如果你的圓找不到，可以將該引數變小點）
param2最小投票數（基於圓心的投票數）
minradius需要檢測院的最小半徑
maxradius需要檢測院的最大半徑
我對hough變換的理解：你的圓一定要非常明顯，通過影象處理的方式將圓的邊界變得足夠清晰，然後使用hough變換才有效。
Hough變換檢測直線和圓
1 直線是如何表示的？對於平面中的一條直線，在直角座標系中，常見的有點斜式，兩點式兩種表示方法。然而在hough變換中，考慮的是另外一種表示方式 使用極座標 r,theta 來表示一條直線。其中r為該直線到原點的距離，theta為該直線的垂線與x軸的夾角。如下圖所示。2 如果座標系中有多個點，又怎樣...
Hough 變換檢測直線
hough 變換檢測直線的基本原理是 對x y 座標系下的每一點 x,y 對應極座標下為 rho x cos theta y sin theta 1 因此，對x y平面內的每一點，對應到極座標系則為一條直線，如果直角座標系下的點共線，則在極座標的直線會相交於一點。因此，求得極座標下相交最多的點，rh...
Hough變換檢測直線
1 基本原理 hough變換是影象處理中從影象中識別幾何形狀的基本方法之一，即它可以檢測已知形狀的目標，而且受雜訊和曲線間斷的影響小。hough變換的基本思想是利用點 線的對偶性。如下圖1所示 從圖1中可看出，x y座標和k b座標有點 線的對偶性。x y座標中的點p1 p2對應於k b座標中的l1...