Python手动实现Hough圆变换的示例代码
作者:aRossoneri 发布时间:2023-11-03 03:12:42
标签:Python,Hough圆,变换
Hough圆变换的原理很多博客都已经说得非常清楚了,但是手动实现的比较少,所以本文直接贴上手动实现的代码。
这里使用的图片是一堆硬币:
首先利用通过计算梯度来寻找边缘,代码如下:
def detect_edges(image):
h = image.shape[0]
w = image.shape[1]
sobeling = np.zeros((h, w), np.float64)
sobelx = [[-3, 0, 3],
[-10, 0, 10],
[-3, 0, 3]]
sobelx = np.array(sobelx)
sobely = [[-3, -10, -3],
[0, 0, 0],
[3, 10, 3]]
sobely = np.array(sobely)
gx = 0
gy = 0
testi = 0
for i in range(1, h - 1):
for j in range(1, w - 1):
edgex = 0
edgey = 0
for k in range(-1, 2):
for l in range(-1, 2):
edgex += image[k + i, l + j] * sobelx[1 + k, 1 + l]
edgey += image[k + i, l + j] * sobely[1 + k, 1 + l]
gx = abs(edgex)
gy = abs(edgey)
sobeling[i, j] = gx + gy
# if you want to imshow ,run codes below first
# if sobeling[i,j]>255:
# sobeling[i, j]=255
# sobeling[i, j] = sobeling[i,j]/255
return sobeling
需要注意的是,这里使用的kernel内的数值比较大,所以得到了结果图中的某些位置的数值超过255,但并不影响显示,但如果想通过cv2.imshow来显示,就需要将超过255的地方设为255即可(已经在代码中用注释标出),结果如下:
接下来就是要进行Hough圆变换,先看代码:
def hough_circles(edge_image, edge_thresh, radius_values):
h = edge_image.shape[0]
w = edge_image.shape[1]
# print(h,w)
edgimg = np.zeros((h, w), np.int64)
for i in range(h):
for j in range(w):
if edge_image[i][j] > edge_thresh:
edgimg[i][j] = 255
else:
edgimg[i][j] = 0
accum_array = np.zeros((len(radius_values), h, w))
# return edgimg , []
for i in range(h):
print('Hough Transform进度:', i, '/', h)
for j in range(w):
if edgimg[i][j] != 0:
for r in range(len(radius_values)):
rr = radius_values[r]
hdown = max(0, i - rr)
for a in range(hdown, i):
b = round(j+math.sqrt(rr*rr - (a - i) * (a - i)))
if b>=0 and b<=w-1:
accum_array[r][a][b] += 1
if 2 * i - a >= 0 and 2 * i - a <= h - 1:
accum_array[r][2 * i - a][b] += 1
if 2 * j - b >= 0 and 2 * j - b <= w - 1:
accum_array[r][a][2 * j - b] += 1
if 2 * i - a >= 0 and 2 * i - a <= h - 1 and 2 * j - b >= 0 and 2 * j - b <= w - 1:
accum_array[r][2 * i - a][2 * j - b] += 1
return edgimg, accum_array
其中输入是我们之前得到的边缘图,以及确定强边缘的阈值,以及一个包含着我们估计的半径的数组;返回值是强边缘图以及参数域矩阵。代码中首先遍历边缘图,通过阈值留下那些较强的位置,这里的阈值需要自己根据自己的输入图进行调节。接着就是进行Hough变换,这里的候选半径集合需要根据自己的输入图进行调节。在绘制参数域的过程中,只遍历了所需正方形区域(大小为 r*r)的 1/4,这是因为在坐出参数域上的一个点之后,由于圆的对称性,就可以找到与之对称的另外三个点,无需额外进行遍历。
最后一步就是从参数域矩阵中提取出结果圆,代码如下,其中筛选阈值需要根据你的输入图像自己调节:
def find_circles(image, accum_array, radius_values, hough_thresh):
returnlist = []
hlist = []
wlist = []
rlist = []
returnimg = deepcopy(image)
for r in range(accum_array.shape[0]):
print('Find Circles 进度:', r, '/', accum_array.shape[0])
for h in range(accum_array.shape[1]):
for w in range(accum_array.shape[2]):
if accum_array[r][h][w] > hough_thresh:
tmp = 0
for i in range(len(hlist)):
if abs(w-wlist[i])<10 and abs(h-hlist[i])<10:
tmp = 1
break
if tmp == 0:
#print(accum_array[r][h][w])
rr = radius_values[r]
flag = '(h,w,r)is:(' + str(h) + ',' + str(w) + ',' + str(rr) + ')'
returnlist.append(flag)
hlist.append(h)
wlist.append(w)
rlist.append(rr)
print('圆的数量:', len(hlist))
for i in range(len(hlist)):
center = (wlist[i], hlist[i])
rr = rlist[i]
color = (0, 255, 0)
thickness = 2
cv2.circle(returnimg, center, rr, color, thickness)
return returnlist, returnimg
注意一下在这一步中需要将那些圆心相近的圆剔除掉,只保留一个结果。
接着是main函数,这没啥好说的:
def main(argv):
img_name = argv[0]
img = cv2.imread('data/' + img_name + '.png', cv2.IMREAD_COLOR)
# print(img.shape[0], img.shape[1])
gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# print(gray_image.shape[0], gray_image.shape[1])
img1 = detect_edges(gray_image)
cv2.imwrite('output/' + img_name + "_after_find_detect.png", img1)
thresh = 1500
# 需要注意的是,在img1中有些地方的像素值是高于255的,这是由于之前的kernel内的数更大
# 但这并不影响图像的显示
# 因此这里的thresh要大于255
radius_values = []
for i in range(10):
radius_values.append(20 + i)
edgeimg, accum_array = hough_circles(img1, thresh, radius_values)
cv2.imwrite('output/' + img_name + "_after_binary.png", edgeimg)
# Findcircle
hough_thresh = 70
resultlist, resultimg = find_circles(img, accum_array, radius_values, hough_thresh)
print(resultlist)
cv2.imwrite('output/' + img_name + "_circles.png", resultimg)
if __name__ == '__main__':
sys.argv.append("coins")
main(sys.argv[1:])
# TODO
下面是我的运行结果:
来源:https://blog.csdn.net/aRossoneri/article/details/122527480


猜你喜欢
- 假设现在有一个需求将以下 url 保存起来,要求不重复www.baidu.comwww.sina.com.cnwww.hao123.comw
- 本文介绍了写给新手同学的vuex快速上手指北小结,分享给大家,具体如下引入//store.jsimport Vue from 'vu
- 图例如下https://github.com/Dongvdong/python_Smartvoice上电后,只要周围声音超过 2000,开始
- 今天学习Python的时候,需要安装一个第三方库,Python Imaging Library,是Python下面一个非常强大的处理图像的工
- 一、python魔法方法Python的魔法方法会在特定的情况下自动调用,且他们的方法名通常被双下划线包裹,之前我们学习的构造函数和析构函数就
- 本文利用 MySQL的扩展功能 REPLACE INTO 来生成全局id,REPLACE INTO和INSERT的功能一样,但是当使用REP
- 如下所示:df = df[df['cityname']==u'北京市']记得,如果用的python2,一定要
- 近日一直在折腾vps ,刚刚碰到在搬移wordpress过程中导入数据库的时候。碰到了 #1062 – Duplicate entry
- 什么是CSS Sprites?“Sprite”(精灵)这个词在计算机图形学中有它独特的定义,由于游戏、视频等画质越来越高,必须有一种技术可以
- 本文实例讲述了Python中Django框架利用url来控制登录的方法。分享给大家供大家参考。具体如下:from django.conf.u
- 一、什么是RequestsRequests 是Python语编写,基于urllib,采Apache2 Licensed开源协议的 HTTP
- 一、python线程的模块1.thread和threading模块thread模块提供了基本的线程和锁的支持threading提供了更高级别
- 越简单越丰富——极简网页设计视觉呈现技巧如何让杂乱又咄咄逼人的网页变得轻薄简洁而美观,又需保留完整功能、同时很好的区分出重点模块?这往往是让
- 本文实例为大家分享了python之pygame模块实现飞机大战的具体代码,供大家参考,具体内容如下Python飞机大战步骤:1.数据区2.主
- 别误会,IE是不支持CSS3高级选择器,包括最新的IE8(详见《CSS选择器的浏览器支持》),但是CSS选择器的确是很有用的,它可以大大的简
- 前言这篇文章将为大家介绍:GoFrame 错误处理的常用方法&错误码的使用。如何自定义错误对象、如何忽略部分堆栈信息、如何自定义错误
- 本文介绍的MySQL数据库的出错代码表,依据MySQL数据库头文件mysql/include/mysqld_error.h整理而成。详细内容
- (1)如下代码,默认递归获取指定目录root_dir下的所有文件,当指定recursive参数为False时,则只获取root_dir目录下
- 列表的创建创建列表,Python底层只提供了唯一一个Python/C API,也就是PyList_New。这个函数接收一个size参数,允许
- sys.argv[]是用来获取命令行参数的,sys.argv[0]表示代码本身文件路径,所以参数从1开始,以下两个例子说明:1、使用sys.