hough-transform

    0熱度

    1回答

    我試圖用houghcircles()檢測此裁剪圖像中的小圓圈。我試圖改變它的參數,但是當我增加參數2以上50 maxRadius也得到錯誤當其值小於100。現在,它運行,但性能差它得到錯誤 這是原始圖像: 而且這是結果圖像: 這是我的代碼: from imutils.perspective import four_point_transform from imutils import conto

    0熱度

    1回答

    以下是我的原始圖象, 這是我的霍夫代碼, function [hough_lines, H, T, R, P] = get_hough_lines(input_image , peaks) binary_image = edge(input_image,'canny'); [H,T,R] = hough(binary_image); P = houghpeaks(H,

    0熱度

    1回答

    我得到了很多使用的圖像Hough變換圓檢測算法中圈。如何使這種檢測更準確?檢測 圖像顯示圓。 原始圖片 下面的代碼是用來 import cv2 import numpy as np img = cv2.imread('test_c.jpg',0) img = cv2.medianBlur(img,5) cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BG

    1熱度

    1回答

    有沒有辦法檢測不完全直的線? 我有代表矩形的對象,但由於使用廣角相機失真和質量不好的預處理而略微不均勻。此外,我必須事先進行透視轉換,這是線路質量差的另一個因素。 與精明過濾器檢測的邊緣後,我得到例如下面的圖像: 我試圖找到邊緣線與霍夫線算法。但是由於具有很多凹凸不平的形狀的質量差,不可能找到傾斜的邊緣。 我嘗試了正常的霍夫線變換(紅線)和概率霍夫線變換(綠線),但結果非常糟糕。 有沒有其他的選擇

    0熱度

    2回答

    我需要一些幫助來定義一組檢測到的角點的「外」角點。 我已經在javascript中實現hough變換,以檢測圖像中具有透視變形矩形的線條。經過一些過濾後,剩下最合理的線條,並計算它們的交點。結果是我有一組點,可以作爲公認的透視變形矩形的一個角(見圖):多條具有多個交點的線。 我現在想要做的是通過檢查哪一個是透視變形的矩形的最「外」角來決定實際的角點。對於外角,我指的是我們人類會認爲是「最左上角」或

    0熱度

    1回答

    我已經(發現Hough變換)rho,theta代表行如果可能,在圖像範圍內)從它?

    1熱度

    1回答

    Snapshot of the issue我一直在試圖檢測視頻中的圈子。我查了很多教程和stackoverflow的問題,我的代碼似乎是正確的。它甚至編譯正確。但是,打開GUI窗口需要一些時間,並且一旦打開,它就會崩潰。這裏是我的代碼是否有任何問題呢? ` import cv2 import numpy as np cap = cv2.VideoCapture('Red Motion Spi

    3熱度

    2回答

    問題:使用Hough變換在圖像中找到不需要的線。 我已經做了以下內容, 應用方向濾波器以分析12個不同的方向上,轉動時相對於15°彼此。 應用閾值獲得12個二值圖像。 現在,我需要選擇標記爲黃色,這兩個圖像。 Coz,這兩幅圖像中的線條最爲突出。 我試過下面的代碼。它似乎沒有工作。 MATLAB代碼 % Read 12 images into workspace. input_images =

    -8熱度

    1回答

    誰能告訴我for -loop中發生了什麼? %find slopes of each line m1 = diff(line1_start_end_points(:,2))/ diff(line1_start_end_points(:,1))+0.1/(2*pi); m2 = diff(line2_start_end_points(:,2))/ diff(line2_start

    0熱度

    1回答

    我試圖檢測圖像中的車軸。以下是我遵循的步驟。 讀取圖像,改變爲灰度。 應用中位數。 應用canny邊緣檢測。 應用Hough圓圈。 對於canny threshold1,threshold2參數使用跟蹤欄和Hough圓來變化param1,param2,minDist是變化的。通過param1和param2對檢測沒有影響。 原文: 中位數: 坎尼: 檢測cirlce: 問題:正如您在上一張圖片中看到