经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置:技术经验 » 程序设计 » Python » 查看文章
Python手动实现Hough圆变换的示例代码
来源:jb51  时间:2022/1/17 16:40:45  对本文有异议

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:

  1. def detect_edges(image):
  2. h = image.shape[0]
  3. w = image.shape[1]
  4. sobeling = np.zeros((h, w), np.float64)
  5. sobelx = [[-3, 0, 3],
  6. [-10, 0, 10],
  7. [-3, 0, 3]]
  8. sobelx = np.array(sobelx)
  9. sobely = [[-3, -10, -3],
  10. [0, 0, 0],
  11. [3, 10, 3]]
  12. sobely = np.array(sobely)
  13. gx = 0
  14. gy = 0
  15. testi = 0
  16. for i in range(1, h - 1):
  17. for j in range(1, w - 1):
  18. edgex = 0
  19. edgey = 0
  20. for k in range(-1, 2):
  21. for l in range(-1, 2):
  22. edgex += image[k + i, l + j] * sobelx[1 + k, 1 + l]
  23. edgey += image[k + i, l + j] * sobely[1 + k, 1 + l]
  24. gx = abs(edgex)
  25. gy = abs(edgey)
  26. sobeling[i, j] = gx + gy
  27. # if you want to imshow ,run codes below first
  28. # if sobeling[i,j]>255:
  29. # sobeling[i, j]=255
  30. # sobeling[i, j] = sobeling[i,j]/255
  31. 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:

  1. def hough_circles(edge_image, edge_thresh, radius_values):
  2. h = edge_image.shape[0]
  3. w = edge_image.shape[1]
  4. # print(h,w)
  5. edgimg = np.zeros((h, w), np.int64)
  6. for i in range(h):
  7. for j in range(w):
  8. if edge_image[i][j] > edge_thresh:
  9. edgimg[i][j] = 255
  10. else:
  11. edgimg[i][j] = 0
  12. accum_array = np.zeros((len(radius_values), h, w))
  13. # return edgimg , []
  14. for i in range(h):
  15. print('Hough Transform进度:', i, '/', h)
  16. for j in range(w):
  17. if edgimg[i][j] != 0:
  18. for r in range(len(radius_values)):
  19. rr = radius_values[r]
  20. hdown = max(0, i - rr)
  21. for a in range(hdown, i):
  22. b = round(j+math.sqrt(rr*rr - (a - i) * (a - i)))
  23. if b>=0 and b<=w-1:
  24. accum_array[r][a][b] += 1
  25. if 2 * i - a >= 0 and 2 * i - a <= h - 1:
  26. accum_array[r][2 * i - a][b] += 1
  27. if 2 * j - b >= 0 and 2 * j - b <= w - 1:
  28. accum_array[r][a][2 * j - b] += 1
  29. if 2 * i - a >= 0 and 2 * i - a <= h - 1 and 2 * j - b >= 0 and 2 * j - b <= w - 1:
  30. accum_array[r][2 * i - a][2 * j - b] += 1
  31. 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:

  1. def find_circles(image, accum_array, radius_values, hough_thresh):
  2. returnlist = []
  3. hlist = []
  4. wlist = []
  5. rlist = []
  6. returnimg = deepcopy(image)
  7. for r in range(accum_array.shape[0]):
  8. print('Find Circles 进度:', r, '/', accum_array.shape[0])
  9. for h in range(accum_array.shape[1]):
  10. for w in range(accum_array.shape[2]):
  11. if accum_array[r][h][w] > hough_thresh:
  12. tmp = 0
  13. for i in range(len(hlist)):
  14. if abs(w-wlist[i])<10 and abs(h-hlist[i])<10:
  15. tmp = 1
  16. break
  17. if tmp == 0:
  18. #print(accum_array[r][h][w])
  19. rr = radius_values[r]
  20. flag = '(h,w,r)is:(' + str(h) + ',' + str(w) + ',' + str(rr) + ')'
  21. returnlist.append(flag)
  22. hlist.append(h)
  23. wlist.append(w)
  24. rlist.append(rr)
  25. print('圆的数量:', len(hlist))
  26. for i in range(len(hlist)):
  27. center = (wlist[i], hlist[i])
  28. rr = rlist[i]
  29. color = (0, 255, 0)
  30. thickness = 2
  31. cv2.circle(returnimg, center, rr, color, thickness)
  32. 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:

  1. def main(argv):
  2. img_name = argv[0]
  3. img = cv2.imread('data/' + img_name + '.png', cv2.IMREAD_COLOR)
  4. # print(img.shape[0], img.shape[1])
  5. gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  6. # print(gray_image.shape[0], gray_image.shape[1])
  7. img1 = detect_edges(gray_image)
  8. cv2.imwrite('output/' + img_name + "_after_find_detect.png", img1)
  9. thresh = 1500
  10. # 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
  11. # 但这并不影响图像的显示
  12. # 因此这里的thresh要大于255
  13. radius_values = []
  14. for i in range(10):
  15. radius_values.append(20 + i)
  16. edgeimg, accum_array = hough_circles(img1, thresh, radius_values)
  17. cv2.imwrite('output/' + img_name + "_after_binary.png", edgeimg)
  18. # Findcircle
  19. hough_thresh = 70
  20. resultlist, resultimg = find_circles(img, accum_array, radius_values, hough_thresh)
  21. print(resultlist)
  22. cv2.imwrite('output/' + img_name + "_circles.png", resultimg)
  23. if __name__ == '__main__':
  24. sys.argv.append("coins")
  25. main(sys.argv[1:])
  26. # TODO

下面是我的运行结果:

到此这篇关于Python手动实现Hough圆变换的示例代码的文章就介绍到这了,更多相关Python Hough圆变换内容请搜索w3xue以前的文章或继续浏览下面的相关文章希望大家以后多多支持w3xue!

 友情链接:直通硅谷  点职佳  北美留学生论坛

本站QQ群:前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

W3xue 的所有内容仅供测试,对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接(目前9元/月)请联系QQ:27243702 沸活量
皖ICP备17017327号-2 皖公网安备34020702000426号