Python如何使用OpenCV检测图像中的形状（）

Python OpenCV检测图像中的形状：在 Python 中使用带有 OpenCV 的霍夫变换技术检测图像中的形状、线条和圆形。霍夫变换是一种流行的特征提取技术，用于检测图像中的任何形状。
在之前的教程中，我们已经看到了如何检测图像中的边缘。然而，这在图像处理阶段通常是不够的。在本OpenCV检测图像形状教程中，你将学习如何使用OpenCV库在 Python 中使用霍夫变换技术检测图像中的形状（主要是线和圆）。
OpenCV如何检测图像形状？霍夫变换是一种流行的特征提取技术，用于检测图像中的任何形状。它主要用于图像分析、计算机视觉和图像识别。
相关：如何在 Python 中应用 HOG 特征提取。
让我们开始吧，安装需求：

pip3 install opencv-python numpy matplotlib

导入模块：

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

检测线我将使用计算机显示器的照片，确保你的当前目录中有照片monitor.jpg（你可以随意使用任何一个）：

# read the image image = cv2.imread("monitor.jpg")

我们需要将此图像转换为灰度以进行边缘检测：

# convert to grayscale grayscale = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

让我们检测图像的边缘：

# perform edge detection edges = cv2.Canny(grayscale, 30, 100)

如果你不确定cv2.Canny在做什么，请参阅本教程。
现在我们已经检测到图像中的边缘，适合我们使用霍夫变换来检测线条：

# detect lines in the image using hough lines technique lines = cv2.HoughLinesP(edges, 1, np.pi/180, 60, np.array([ ]), 50, 5)

OpenCV检测图像形状教程：cv2.HoughLinesP()函数使用概率霍夫变换在二值图像中查找线段。有关其参数的更多信息，请查看本教程。
让我们画线：

# iterate over the output lines and draw them for line in lines: for x1, y1, x2, y2 in line: cv2.line(image, (x1, y1), (x2, y2), (20, 220, 20), 3)

显示图像：

# show the image plt.imshow(image) plt.show()

Python OpenCV检测图像中的形状：这是我的输出：

文章图片

OpenCV如何检测图像形状？绿线是我们刚刚画的线，如你所见，大部分显示器都被绿线包围，随意调整参数以获得更好的效果。
这是用于检测实时摄像机中线条的完整代码：

import numpy as np import matplotlib.pyplot as plt import cv2cap = cv2.VideoCapture(0)while True: _, image = cap.read() # convert to grayscale grayscale = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # perform edge detection edges = cv2.Canny(grayscale, 30, 100) # detect lines in the image using hough lines technique lines = cv2.HoughLinesP(edges, 1, np.pi/180, 60, np.array([ ]), 50, 5) # iterate over the output lines and draw them for line in lines: for x1, y1, x2, y2 in line: cv2.line(image, (x1, y1), (x2, y2), (255, 0, 0), 3) cv2.line(edges, (x1, y1), (x2, y2), (255, 0, 0), 3) # show images cv2.imshow("image", image) cv2.imshow("edges", edges) if cv2.waitKey(1) == ord("q"): break cap.release() cv2.destroyAllWindows()

另请学习：在 Python 中使用 OpenCV 进行图像转换。
检测圆圈【Python如何使用OpenCV检测图像中的形状（）】为了检测圆圈，我们需要使用cv2.HoughCircles()方法来代替，我在当前目录中有coins.jpg图像（包含几个硬币），让我们加载它：

# load the image img = cv2.imread("coins.jpg")

接下来，我们将创建此图像的新副本，我们将在其中绘制检测到的圆圈：

# convert BGR to RGB to be suitable for showing using matplotlib library img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # make a copy of the original image cimg = img.copy()

OpenCV检测图像形状教程：为了将图像传递给该方法，我们需要将其转换为灰度并模糊图像，cv2.medianBlur()完成以下工作：

# convert image to grayscale img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # apply a blur using the median filter img = cv2.medianBlur(img, 5)

之后，让我们检测圆圈：

# finds the circles in the grayscale image using the Hough transform circles = cv2.HoughCircles(image=img, method=cv2.HOUGH_GRADIENT, dp=0.9, minDist=80, param1=110, param2=39, maxRadius=70)

如果你想知道这些参数指的是什么，请键入help(cv2.HoughCircles)，你会找到很好的解释。
OpenCV如何检测图像形状？最后，让我们绘制并显示我们刚刚检测到的圆圈：

for co, i in enumerate(circles[ 0, :], start=1): # draw the outer circle in green cv2.circle(cimg,(i[ 0],i[ 1]),i[ 2],(0,255,0),2) # draw the center of the circle in red cv2.circle(cimg,(i[ 0],i[ 1]),2,(0,0,255),3)# print the number of circles detected print("Number of circles detected:", co) # save the image, convert to BGR to save with proper colors # cv2.imwrite("coins_circles_detected.png", cimg) # show the image plt.imshow(cimg) plt.show()

这是我的结果：