Python手動實現Hough圓變換的示例代碼怎么寫

今天給大家介紹一下Python手動實現Hough圓變換的示例代碼怎么寫。文章的內容小編覺得不錯，現在給大家分享一下，覺得有需要的朋友可以了解一下，希望對大家有所幫助，下面跟著小編的思路一起來閱讀吧。

Hough圓變換的原理很多博客都已經說得非常清楚了，但是手動實現的比較少，所以本文直接貼上手動實現的代碼。

這里使用的圖片是一堆硬幣：

 首先利用通過計算梯度來尋找邊緣，代碼如下：

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，這里使用的kernel內的數值比較大，所以得到了結果圖中的某些位置的數值超過255，但并不影響顯示，但如果想通過cv2.imshow來顯示，就需要將超過255的地方設為255即可（已經在代碼中用注釋標出），結果如下：

接下來就是要進行Hough圓變換，先看代碼：

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進度：', 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

其中輸入是我們之前得到的邊緣圖，以及確定強邊緣的閾值，以及一個包含著我們估計的半徑的數組；返回值是強邊緣圖以及參數域矩陣。代碼中首先遍歷邊緣圖，通過閾值留下那些較強的位置，這里的閾值需要自己根據自己的輸入圖進行調節。接著就是進行Hough變換，這里的候選半徑集合需要根據自己的輸入圖進行調節。在繪制參數域的過程中，只遍歷了所需正方形區域（大小為 r*r）的 1/4，這是因為在坐出參數域上的一個點之后，由于圓的對稱性，就可以找到與之對稱的另外三個點，無需額外進行遍歷。

最后一步就是從參數域矩陣中提取出結果圓，代碼如下，其中篩選閾值需要根據你的輸入圖像自己調節：

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 進度：', 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('圓的數量:', 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

注意一下在這一步中需要將那些圓心相近的圓剔除掉，只保留一個結果。

接著是main函數，這沒啥好說的：

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，這是由于之前的kernel內的數更大
    # 但這并不影響圖像的顯示
    # 因此這里的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

下面是我的運行結果：

python是什么意思

Python是一種跨平臺的、具有解釋性、編譯性、互動性和面向對象的腳本語言，其最初的設計是用于編寫自動化腳本，隨著版本的不斷更新和新功能的添加，常用于用于開發獨立的項目和大型項目。

以上就是Python手動實現Hough圓變換的示例代碼怎么寫的全部內容了，更多與Python手動實現Hough圓變換的示例代碼怎么寫相關的內容可以搜索億速云之前的文章或者瀏覽下面的文章進行學習哈！相信小編會給大家增添更多知識,希望大家能夠支持一下億速云！