Python OpenCV与霍夫变换:检测符合特定斜率范围的直线

        在计算机视觉和图像处理领域,检测图像中的直线是一项常见且重要的任务。OpenCV 提供了许多强大的工具来进行图像处理,其中霍夫变换(Hough Transform)就是用于检测直线的经典方法。本文将介绍如何使用 OpenCV 和霍夫变换来检测图像中符合特定斜率范围的直线,并展示一个完整的 Python 实现。

导入必要的库

首先,我们需要导入必要的 Python 库:

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

直线筛选函数

我们定义一个函数 filter_lines_by_slope_x_range_and_y 来筛选符合特定斜率范围、x 坐标范围及至少一端 y 坐标大于 min_y 的直线:

def filter_lines_by_slope_x_range_and_y(lines, min_slope=1, max_slope=2, min_x=112, max_x=2400, min_y=310):"""筛选符合斜率范围、x坐标范围及至少一端y坐标大于min_y的直线"""valid_lines = []for line in lines:x1, y1, x2, y2 = line[0]# 检查x坐标是否在指定范围内且至少一端的y坐标大于min_yif (min_x <= x1 <= max_x or min_x <= x2 <= max_x) and (y1 > min_y or y2 > min_y):# 避免除以零错误(垂直线)if x1 == x2:continueslope = (y2 - y1) / (x2 - x1)# 考虑斜率的正负,分别对应不同方向if (min_slope <= slope <= max_slope) or (-max_slope <= slope <= -min_slope):valid_lines.append(line)return valid_lines

读取和预处理图像

我们使用 OpenCV 读取图像,并将其转换为灰度图像,然后应用高斯模糊以减少噪声,最后使用 Canny 边缘检测算法检测图像中的边缘:

# 读取图像
image = cv2.imread('rotated_image.jpg')  # 替换为你的图片路径
if image is None:print("Image not found.")exit()# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 应用高斯模糊减少噪声
gray = cv2.GaussianBlur(gray, (5, 5), 0)# Canny边缘检测
edges = cv2.Canny(gray, 100, 150, apertureSize=3)

检测和筛选直线

我们使用霍夫变换检测图像中的直线,并使用之前定义的函数筛选符合特定斜率范围的直线:

# 使用霍夫变换检测直线,注意此函数返回的是直线段而非参数空间
lines = cv2.HoughLinesP(edges, 1, np.pi/180, threshold=400, minLineLength=100, maxLineGap=50)# 筛选符合斜率范围的直线
valid_lines = filter_lines_by_slope_x_range_and_y(lines)

处理和保存检测到的直线信息

我们假设 valid_lines 只包含了一条满足条件的直线,并计算其斜率。如果检测到的直线为垂直线,则斜率为无穷大或用特殊标识表示:

# 假设valid_lines只包含了一条满足条件的直线
if valid_lines:# 获取唯一满足条件的直线line = valid_lines[0]x1, y1, x2, y2 = line[0]# 计算斜率,注意处理除以零的情况if x1 != x2:slope = (y2 - y1) / (x2 - x1)else:slope = 'Vertical'  # 或者用其他方式表示垂直线# 打印或保存直线信息print(f"Detected Line: ({x1}, {y1}) to ({x2}, {y2}), Slope: {slope}")# 保存至文件(示例:文本文件)with open('line_info.txt', 'w') as file:file.write(f"Start Point: ({x1}, {y1})\nEnd Point: ({x2}, {y2})\nSlope: {slope}\n")
else:print("No valid line detected.")

绘制并显示检测到的直线

我们将筛选后的直线绘制在图像上,并使用 matplotlib 显示结果:

# 绘制筛选后的直线
if valid_lines is not None:for line in valid_lines:x1, y1, x2, y2 = line[0]cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)  # 红色绘制直线# 显示结果
plt.figure(figsize=(10, 6))
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title('Detected Lines with Slope between 1 to 2')
plt.show()

完整代码

以下是完整的代码:

import cv2
import numpy as np
import matplotlib.pyplot as pltdef filter_lines_by_slope_x_range_and_y(lines, min_slope=1, max_slope=2, min_x=112, max_x=2400, min_y=310):"""筛选符合斜率范围、x坐标范围及至少一端y坐标大于min_y的直线"""valid_lines = []for line in lines:x1, y1, x2, y2 = line[0]# 检查x坐标是否在指定范围内且至少一端的y坐标大于min_yif (min_x <= x1 <= max_x or min_x <= x2 <= max_x) and (y1 > min_y or y2 > min_y):# 避免除以零错误(垂直线)if x1 == x2:continueslope = (y2 - y1) / (x2 - x1)# 考虑斜率的正负,分别对应不同方向if (min_slope <= slope <= max_slope) or (-max_slope <= slope <= -min_slope):valid_lines.append(line)return valid_lines# 读取图像
image = cv2.imread('rotated_image.jpg')  # 替换为你的图片路径
if image is None:print("Image not found.")exit()# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 应用高斯模糊减少噪声
gray = cv2.GaussianBlur(gray, (5, 5), 0)# Canny边缘检测
edges = cv2.Canny(gray, 100, 150, apertureSize=3)# 使用霍夫变换检测直线,注意此函数返回的是直线段而非参数空间
lines = cv2.HoughLinesP(edges, 1, np.pi/180, threshold=400, minLineLength=100, maxLineGap=50)# 筛选符合斜率范围的直线
valid_lines = filter_lines_by_slope_x_range_and_y(lines)# 假设valid_lines只包含了一条满足条件的直线
if valid_lines:# 获取唯一满足条件的直线line = valid_lines[0]x1, y1, x2, y2 = line[0]# 计算斜率,注意处理除以零的情况if x1 != x2:slope = (y2 - y1) / (x2 - x1)else:slope = 'Vertical'  # 或者用其他方式表示垂直线# 打印或保存直线信息print(f"Detected Line: ({x1}, {y1}) to ({x2}, {y2}), Slope: {slope}")# 保存至文件(示例:文本文件)with open('line_info.txt', 'w') as file:file.write(f"Start Point: ({x1}, {y1})\nEnd Point: ({x2}, {y2})\nSlope: {slope}\n")
else:print("No valid line detected.")# 绘制筛选后的直线
if valid_lines is not None:for line in valid_lines:x1, y1, x2, y2 = line[0]cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)  # 红色绘制直线# 显示结果
plt.figure(figsize=(10, 6))
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title('Detected Lines with Slope between 1 to 2')
plt.show()

注意:由于传统视觉处理的限制,代码中的限制条件均需根据自己的图像实际需求进行限制,限制完成后任有多余线条,可调节霍夫变换函数的相关参数,基本能满足需求!!!

结语

        本文介绍了如何使用 OpenCV 和霍夫变换检测图像中的直线,并筛选出符合特定斜率范围的直线。通过这种方法,我们可以更加精确地处理图像中的特定特征。如果你有任何问题或建议,欢迎在评论区留言讨论。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/40845.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

使用java stream对集合中的对象按指定字段进行分组并统计

一、概述 有这样一个需求&#xff0c;在一个list集合中的对象有相同的name&#xff0c;我需要把相同name的对象进行汇总计算。使用java stream来实现这个需求&#xff0c;这里做一个记录&#xff0c;希望对有需求的同学提供帮助 一、根据指定字段进行分组 一、先准备好给前端要…

三菱plc gxwork3 0X121201F 报错;三菱标签区域的保留容量不足;

如果占用过多把r文件寄存器的地址范围改小&#xff0c;一般文件寄存器的地址r0-8000足够了

zk集群搭建

zk集群在搭建部署的时候&#xff0c;通常选择2n1奇数台。底层 Paxos 算法支持&#xff08;过半成功&#xff09;。 zk部署之前&#xff0c;保证服务器基础环境正常、JDK成功安装。 服务器基础环境 IP主机名hosts映射防火墙关闭时间同步ssh免密登录 JDK环境 1、虚拟机克隆 …

Elasticsearch 复合聚合:bucket_by_keys、date_histogram 等

在Elasticsearch中&#xff0c;聚合&#xff08;Aggregation&#xff09;是一种强大的功能&#xff0c;允许我们对数据进行复杂的分析和总结。其中&#xff0c;复合聚合&#xff08;Composite Aggregations&#xff09;是一种特别灵活的聚合方式&#xff0c;它可以将多个聚合类…

014-GeoGebra基础篇-快速解决滑动条的角度无法输入问题

有客户反馈&#xff0c;他的Geogebra一直有个bug&#xff0c;那就是输入角度最大值时总不按照他设定的展示&#xff0c;快被气炸了~ 目录 一、问题复现&#xff08;1&#xff09;插入一个滑动条&#xff08;2&#xff09;选择Angle&#xff08;3&#xff09;输入90&#xff0c;…

【SQL Server高可用性全解】构建永不宕机的数据库解决方案

标题&#xff1a;【SQL Server高可用性全解】构建永不宕机的数据库解决方案 SQL Server作为微软推出的关系型数据库管理系统&#xff0c;广泛应用于企业级应用中。在这些应用中&#xff0c;数据库的高可用性是至关重要的&#xff0c;它确保了数据的持久化存储和连续访问。本文…

华为OD机试c卷(100分)-数组连续和

题目描述 给定一个含有N个正整数的数组, 求出有多少个连续区间&#xff08;包括单个正整数&#xff09;, 它们的和大于等于x。 输入描述 第一行两个整数N x&#xff08;0 < N < 100000, 0 < x < 10000000) 第二行有N个正整数&#xff08;每个正整数小于等于100)…

复现centernet时,报错RuntimeError: CUDA error: out of memory

运行 python test.py ctdet --dataset coco --exp_id coco_dla --load_model /root/CenterNet/exp/ctdet/coco_dla/model_last.pth --gpus 0 --test_scales 1 报错下面&#xff1a; RuntimeError: CUDA error: out of memory明明显存是够用的 解决办法&#xff1a; 找到自己…

代码随想录——无重叠区间(Leetcode435)

题目链接 贪心 排序 class Solution {public int eraseOverlapIntervals(int[][] intervals) {int res 0;if(intervals.length 1 || intervals.length 0){return res;}// 按左边界排序Arrays.sort(intervals, new Comparator<int[]>() {public int compare(int[] …

Protobuf(三):理论学习,简单总结

1. Protocol Buffers概述 Protocol Buffers&#xff08;简称protobuf&#xff09;&#xff0c;是谷歌用于序列化结构化数据的一种语言独立、平台独立且可扩展的机制&#xff0c;类似XML&#xff0c;但比XML更小、更快、更简单protobuf的工作流程如图所示 1.1 protobuf的优点…

【第17章】MyBatis-Plus自动维护DDL

文章目录 前言一、功能概述二、注意事项三、代码示例四、实战1. 准备2. ddl配置类3. 程序启动4. 效果(数据库) 总结 前言 在MyBatis-Plus的3.5.3版本中&#xff0c;引入了一项强大的功能&#xff1a;数据库DDL&#xff08;数据定义语言&#xff09;表结构的自动维护。这一功能…

app一键退出功能---笔记

问题本质包含两个部分 1.一键结束当前所有的activity 2.一建结束当前的app进程 方式一,采用Activity的启动模式 SingleTask 将app入口的activity设置成singleTask模式,在xml中进行配置。 在activity中重写 onNewIntent(). 优点:使用方便简单, 缺点:1.规定了app入口a…

vite+vue3+nginx配置统一公共前缀

方案1&#xff1a;重定向 server {listen 80;server_name localhost;location / {root /usr/share/nginx/html;index index.html;}location /music/ {proxy_pass http://127.0.0.1:80/;} }方案2&#xff1a;vitenginx双重配置 在方案1中&#xff0c;我们虽然能够实现 通过 …

告别高查重率,AI降重工具帮你快速过关

高查重率是许多毕业生的困扰。通常&#xff0c;高查重率源于过度引用未经修改的参考资料和格式错误。传统的降重方法&#xff0c;如修改文本和增添原创内容&#xff0c;虽必要但耗时且成效不一。 鉴于此&#xff0c;应用AI工具进行AIGC降重成为了一个高效的解决方案。这些工具…

Cloudflare 推出一款免费对抗 AI 机器人的可防止抓取数据工具

上市云服务提供商Cloudflare推出了一种新的免费工具&#xff0c;可防止机器人抓取其平台上托管的网站以获取数据以训练AI模型。 一些人工智能供应商&#xff0c;包括谷歌、OpenAI 和苹果&#xff0c;允许网站所有者通过修改他们网站的robots.txt来阻止他们用于数据抓取和模型训…

Hutool构建树结构

引入依赖 <dependency><groupId>cn.hutool</groupId><artifactId>hutool-all</artifactId><version>${hutool.version}</version> </dependency>测试 SpringBootTest public class HutoolTest {private List<Menu> me…

Word “当前页“ 与 “前一页“ (含部分内容)间有大半页空白,删除空白方法

鼠标光标选中需要向上移的句子&#xff0c;右键点击“段落”&#xff0c;然后在跳出的窗口中按照“换行和分页”中的红色方框内取消勾选后&#xff0c;点击确定即可。

预定义函数和自定义函数

预定义函数 理解&#xff1a;MySQL提供的函数&#xff0c;直接调用即可 注意1&#xff1a;函数使用select调用 注意2&#xff1a;函数必须有返回值 数学类函数 SELECT ABS(-100);# 获取绝对值 SELECT SQRT(9);# 获取平方根 SELECT MOD(10,3);# 获取余数 SELECT POW(3,3);#…

@化工人|人员定位系统如何选择?从了解定位技术开始

提及化工安全管理所面临的主要难题&#xff0c;大家往往会想到”人难管、事难办、责难负“这三难&#xff0c;而每一难都离不开”人“这个主体。因此&#xff0c;在企业日渐实现数字化转型的今天&#xff0c;越来越多的化工企业选择建设以人员定位系统为核心的企业安全生产信息…