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：
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 cv2
cap = 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
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：
Python OpenCV检测图像中的形状：如你所见，它并不完美，因为它没有检测到图像中的所有圆圈，尝试调整传递给cv2.HoughCircles()方法的参数，看看是否能获得更好的结果。
好了，到此为止，下面是本教程的参考资料：
