直線檢測，通過HoughLines和HoughLinesP函數進行計算，區別是：HoughLines使用標準的Hough變換，HoughLinesP使用概率Hough變換。HoughLinesP是標準Hough的優化，通過分析點的子集并估計這些點都屬于一條直線的概率，計算量更少，執行更快。

import numpy from cv2 import cv2img = cv2.imread('C:/Users/admin/Desktop/test/1.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #轉換為灰度圖 edges = cv2.Canny(gray,50,100) #進行canny邊緣計算 minLineLength = 20 maxLineGap = 5 lines = cv2.HoughLinesP(edges,1,numpy.pi / 180,100,minLineLength,maxLineGap) #直線檢測，保留滿足要求的直線 for line in lines:for x1,y1,x2,y2 in line:cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2) #在原圖上繪制提取到的直線 cv2.imshow('edges',edges) cv2.imshow('lines',img) cv2.waitKey() cv2.destroyAllWindows()

圓檢測，OpenCV的HoughCircles函數可用于檢測圓，需要設置圓心間的最小距離和最大最小半徑等限制條件。

import numpy from cv2 import cv2img = cv2.imread('C:/Users/admin/Desktop/test/2.png') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) blurImg = cv2.medianBlur(gray,5) cImg = cv2.cvtColor(blurImg,cv2.COLOR_GRAY2BGR)circles = cv2.HoughCircles(blurImg,cv2.HOUGH_GRADIENT,1,120,param1 = 100,param2 = 30,minRadius = 50,maxRadius=200) circles = numpy.uint16(numpy.around(circles))for i in circles[0,:]:cv2.circle(img,(i[0],i[1]),i[2],(0,255,0),2)cv2.circle(img,(i[0],i[1]),2,(0,0,255),3)cv2.imshow('circle',img) cv2.waitKey() cv2.destroyAllWindows()

直線檢測，首先是提取canny邊緣，再跟據canny邊緣圖像進一步分析，根據定義的參數提取出直線。

原圖：

canny邊緣：

直線檢測結果(綠色)疊加原圖：

圓檢測效果

原圖：

效果圖：

?

總結

以上是生活随笔為你收集整理的OpenCV直线和圆形检测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。