Python实现Canny及Hough算法代码实例解析_houghcircle实现python - CSDN文库

33 浏览量更新于2023-03-03 评论 2 收藏 378KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

Python实现实现Canny及及Hough算法代码实例解析算法代码实例解析

任务说明：编写一个钱币定位系统，其不仅能够检测出输入图像中各个钱币的边缘，同时，还能给出各个钱币的圆心坐标与半径。

效果

代码实现

Canny边缘检测：

# Author: Ji Qiu （BUPT）

# filename: my_canny.py

import cv2

import numpy as np

class Canny:

def __init__(self, Guassian_kernal_size, img, HT_high_threshold, HT_low_threshold):

'''

:param Guassian_kernal_size: 高斯滤波器尺寸

:param img: 输入的图片，在算法过程中改变

:param HT_high_threshold: 滞后阈值法中的高阈值

:param HT_low_threshold: 滞后阈值法中的低阈值

'''

self.Guassian_kernal_size = Guassian_kernal_size

self.img = img

self.y, self.x = img.shape[0:2] self.angle = np.zeros([self.y, self.x])

self.img_origin = None

self.x_kernal = np.array([[-1, 1]])

self.y_kernal = np.array([[-1], [1]])

self.HT_high_threshold = HT_high_threshold

self.HT_low_threshold = HT_low_threshold

def Get_gradient_img(self):

'''

计算梯度图和梯度方向矩阵。

:return: 生成的梯度图

'''

print ('Get_gradient_img')

new_img_x = np.zeros([self.y, self.x], dtype=np.float)

new_img_y = np.zeros([self.y, self.x], dtype=np.float)

for i in range(0, self.x):

for j in range(0, self.y):

if j == 0:

new_img_y[j][i] = 1

else:

new_img_y[j][i] = np.sum(np.array([[self.img[j - 1][i]], [self.img[j][i]]]) * self.y_kernal)

if i == 0:

new_img_x[j][i] = 1

else:

new_img_x[j][i] = np.sum(np.array([self.img[j][i - 1], self.img[j][i]]) * self.x_kernal)

gradient_img, self.angle = cv2.cartToPolar(new_img_x, new_img_y)#返回幅值和相位

self.angle = np.tan(self.angle)

self.img = gradient_img.astype(np.uint8)

return self.img

def Non_maximum_suppression (self):

'''

对生成的梯度图进行非极大化抑制，将tan值的大小与正负结合，确定离散中梯度的方向。

:return: 生成的非极大化抑制结果图

'''

print ('Non_maximum_suppression')

result = np.zeros([self.y, self.x])

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

评论0

weixin_38670433

粉丝: 9
资源: 899

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈