[v0.25]영상처리_허프 변환

220112 작성

<본 블로그는 귀퉁이 서재님의 블로그를 참고해서 공부하며 작성하였습니다>

https://bkshin.tistory.com/entry/OpenCV-23-%ED%97%88%ED%94%84-%EB%B3%80%ED%99%98Hough-Transformation?category=1148027 

OpenCV - 23. 허프 변환(Hough Transformation)

 

 

 

 

 

1. 허프 변환

: 이미지에서 직선이나 원과 같은 다양한 모양을 인식

: 이미지에서 모양을 찾는 가장 유명한 방법

: 이미지의 형태를 찾거나, 누락되거나 깨진 영역을 복원

 

 

 

 

2. 허프 선 변환

: 이미지는 수많은 픽셀로 구성

: 그 픽셀 중 서로 직선 관계를 갖는 픽셀들만 골라내는 것이 허프 선 변환의 핵심

 

lines = cv2.HoughLines(img, rho, theta, threshold, lines, srn=0, stn=0, min_theta, max_theta)

- img : 입력 이미지, 1 채널 바이너리 스케일

- rho : 거리 측정 해상도, 0~1

- theta : 각도, 라디안 단위 (np.pi / 0~180)

- threshold : 직선으로 판단할 최소한의 동일 개수

: 같은 직선에 몇 개의 점이 등장해야 직선으로 판단할지를 나타내는 최소한의 개수

(작은 값: 정확도 감소, 검출 개수 증가 / 큰 값: 정확도 증가, 검출 개수 감소)

- lines : 검출 결과, N x 1 x 2 배열

- (r, Θ)srn, stn : 멀티 스케일 허프 변환에 사용, 선 검출에서는 사용 안 함

- min_theta, max_theta : 검출을 위해 사용할 최대, 최소 각도

 

- 직선을 검출하고 기준 좌표에 빨간 점을 찍은 예시

# 허프 선 검출
import cv2
import numpy as np

img = cv2.imread('img/sudoku.jpg')
img2 = img.copy()
h, w = img.shape[:2]

# 그레이 스케일 변환 및 엣지 검출 ---①
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(imgray, 100, 200 )

# 허프 선 검출, 직선으로 판단할 최소한의 점은 130개로 지정 ---②
lines = cv2.HoughLines(edges, 1, np.pi/180, 130)

for line in lines: # 검출된 모든 선 순회
    r,theta = line[0] # 거리와 각도
    tx, ty = np.cos(theta), np.sin(theta) # x, y축에 대한 삼각비
    x0, y0 = tx*r, ty*r  #x, y 기준(절편) 좌표
    
    # 기준 좌표에 빨강색 점 그리기
    cv2.circle(img2, (abs(x0), abs(y0)), 3, (0,0,255), -1)
    
    # 직선 방정식으로 그리기 위한 시작점, 끝점 계산
    x1, y1 = int(x0 + w*(-ty)), int(y0 + h * tx)
    x2, y2 = int(x0 - w*(-ty)), int(y0 - h * tx)
    
    # 선그리기
    cv2.line(img2, (x1, y1), (x2, y2), (0,255,0), 1)

#결과 출력    
merged = np.hstack((img, img2))
cv2.imshow('hough line', merged)
cv2.waitKey()
cv2.destroyAllWindows()

Can't parse 'center'. Sequence item with index 0 has a wrong type

에러당 뭔뜻일까?

ㅋㅋㅋㅋ ㅜㅜ 에러

- 캐니 엣지 경계 값 검출 후 !! 허프 선 검출 하기 !

- 경계 기준선에 빨간 점 ! 출력

 

 

 

 

3. 확률적 허프 선 변환

: 허프 선 검출은 모든 점에 대해 수많은 선을 그어서 직선을 찾기 때문에 연산량이 무척 많다

: 확률적 허프 선 변환은 모든 점을 고려하지 않고 무작위로 선정한 픽셀에 대해 허프 변환을 수행하고

점차 그 수를 증가시키는 방법

 

lines = cv2.HoughLinesP(img, rho, theta, threshold, lines, minLineLength, maxLineGap)
- minLineLength(optional) : 선으로 인정할 최소 길이
- maxLineGap(optional) : 선으로 판단할 최대 간격
- lines : 검출된 선 좌표, N x 1 x 4 배열 (x1, y1, x2, y2)
- 이외의 파라미터는 cv2.HoughLines()와 동일

 

: cv2.HoughLines()의 검출 결과는 r, Θ

: cv2.HoughLinesP()의 검출 결과는 선의 시작과 끝 좌표

:  확률적으로 선을 검출하므로 선 검출이 적다

: 엣지를 강하게 하고 threshold를 낮게 지정

# 확률 허프 변환으로 선 검출
import cv2
import numpy as np

img = cv2.imread('img/sudoku.jpg')
img2 = img.copy()
# 그레이 스케일로 변환 및 엣지 검출 ---①
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(imgray, 50, 200 )

# 확율 허프 변환 적용 ---②
lines = cv2.HoughLinesP(edges, 1, np.pi/180, 10, None, 20, 2)
for line in lines:
    # 검출된 선 그리기 ---③
    x1, y1, x2, y2 = line[0]
    cv2.line(img2, (x1,y1), (x2, y2), (0,255,0), 1)

merged = np.hstack((img, img2))
cv2.imshow('Probability hough line', merged)
cv2.waitKey()
cv2.destroyAllWindows()

허프선 보다 선을 잘 검출하지 않음

- 검출된 선의 개수는 적으나, 속도는 빠름

- 반환 값이 선의 시작과 끝 좌표라서 직선 그리기 더 편리

 

 

 

 

4. 허프 원 변환

: 원을 검출

 

circle = cv2.HoughCircles(img, method, dp, minDist, circles, param1, param2, minRadius, maxRadius)

- img : 입력 이미지, 1채널 배열

- method : 검출 방식 선택 (현재 cv2.HOUGH_GRADIENT만 가능)

- dp : 입력 영상과 경사 누적의 해상도 반비례율, 1: 입력과 동일, 값이 커질수록 부정확

- minDist : 원들 중심 간의 최소 거리 (0: 에러, 0이면 동심원이 검출 불가하므로)

- circles(optional) : 검출 원 결과, N x 1 x 3 부동 소수점 배열 (x, y, 반지름)

- param1(optional) : 캐니 엣지에 전달할 스레시홀드 최대 값 (최소 값은 최대 값의 2배 작은 값을 전달)

- param2(optional) : 경사도 누적 경계 값 (값이 작을수록 잘못된 원 검출)

- minRadius, maxRadius(optional) : 원의 최소 반지름, 최대 반지름 (0이면 이미지 전체의 크기)

 

: 캐니 엣지를 수행하고 나서 소벨 필터를 적용해 엣지의 경사도(gradient)를 누적

: 캐니 엣지 및 경사도 누적에 대한 파라미터(param1, param2) 존재

# 허프 원 검출
import cv2
import numpy as np

img = cv2.imread('img/coins_connected.png')
# 그레이 스케일 변환 ---①
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 노이즈 제거를 위한 가우시안 블러 ---②
blur = cv2.GaussianBlur(gray, (3,3), 0)
# 허프 원 변환 적용( dp=1.2, minDist=30, cany_max=200 ) ---③
circles = cv2.HoughCircles(blur, cv2.HOUGH_GRADIENT, 1.2, 30, None, 200)
if circles is not None:
    circles = np.uint16(np.around(circles))
    for i in circles[0,:]:
        # 원 둘레에 초록색 원 그리기
        cv2.circle(img,(i[0], i[1]), i[2], (0, 255, 0), 2)
        # 원 중심점에 빨강색 원 그리기
        cv2.circle(img, (i[0], i[1]), 2, (0,0,255), 5)

# 결과 출력
cv2.imshow('hough circle', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

https://deep-learning-study.tistory.com/214

- 동전 검출하기 !

- cv2.HoughCircles() 는 함수 자체적으로 캐니 엣지 사용 !

- 가우시안 블러 통해서 노이즈 제거 O , 엣지검출 X

- dp 값은 1에 가까울 수록 정확하게 원 검출 

 

 

 

 

 

 

 

 

 

 

후 이미지 찾기도 힘드로고ㅋㅋ