使用 OpenCV 提高检测线的准确性

Question

我正在实现一个程序来检测来自相机的图像中的线条。问题是当照片模糊时，我的线检测算法会漏掉几条线。有没有办法在不修改参数的情况下提高cv.HoughLines()函数的精度？

输入图像示例：

想要的图片：

我目前的实现：

def find_lines(img):
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    edges = cv.dilate(gray,np.ones((3,3), np.uint8),iterations=5)
    edges = cv.Canny(gray, 50, 150, apertureSize=3)
    lines = cv.HoughLines(edges, 1, np.pi/180, 350)

Answer 1

在将图像提供给cv2.HoughLines() 之前对图像进行预处理是个好主意。我也认为cv2.HoughLinesP() 会更好。这是一个简单的方法

• 将图片转换为grayscale

• 应用锐化内核

• Threshold图片

• 执行morphological operations 对图像进行平滑/过滤

---

我们使用cv2.filter2D() 应用锐化内核，它为我们提供了线条的大致形状并去除了模糊部分。其他过滤器可以找到here。

现在我们对图像进行阈值化以获得实线

存在一些小的缺陷，因此我们可以使用带有cv2.MORPH_ELLIPSE 内核的形态学运算来获得干净的钻石形状

最后为了得到想要的结果，我们dilate使用了同一个内核。根据迭代次数，我们可以获得更细或更宽的线条

左 (iterations=2)，右 (iterations=3)

import cv2
import numpy as np

image = cv2.imread('1.png', 0)
sharpen_kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])
sharpen = cv2.filter2D(image, -1, sharpen_kernel)
thresh = cv2.threshold(sharpen,220, 255,cv2.THRESH_BINARY)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=3)
result = cv2.dilate(opening, kernel, iterations=3)

cv2.imshow('thresh', thresh)
cv2.imshow('sharpen', sharpen)
cv2.imshow('opening', opening)
cv2.imshow('result', result)
cv2.waitKey()

Answer 2

您正在寻找图像锐化技术。你会发现建议here。 您可以使用不同的内核操作来实现这一点。 OpenCV 列出了这个 C++ 代码here

 // sharpen image using "unsharp mask" algorithm
Mat blurred; double sigma = 1, threshold = 5, amount = 1;
GaussianBlur(img, blurred, Size(), sigma, sigma);
Mat lowContrastMask = abs(img - blurred) < threshold;
Mat sharpened = img*(1+amount) + blurred*(-amount);
img.copyTo(sharpened, lowContrastMask);

转换成 Python 应该相当容易。