[OpenCV應用][Python]霍夫直線轉換偵測應用於旋轉補正

廢話不多說，先上成果圖。

成果圖

算出旋轉角度後轉正

主要實現方法

1.灰階後利用cv2.Canny找物體的邊緣

2.找物件相對應的直線cv2.HoughLines

3.分類為橫向和垂直的直線角度，求得相對於物件的旋轉角度

4.根據算出的相對應旋轉角度將物件轉正

霍夫直線變換語法

cv2.HoughLines:

• 用途：用於檢測圖像中的直線。
• 返回值：返回檢測到的直線的極座標表示（rho, theta）。
• 用法：

lines = cv2.HoughLines(image, rho, theta, threshold)

• image: 二值化圖像，通常是由邊緣檢測算法（如Canny）生成的。
• rho: 霍夫空間中極座標中的像素距離解析度。
• theta: 霍夫空間中極座標中的角度解析度，常輸入np.pi / 180，代表所有角度都偵測
• threshold: 閾值，線條檢測的閾值，長度需超過多少才算有效線條，單位為像素。
  假設門檻設為90，表示值線長度須超過90個像素。

直線的極座標表示為 (rho, theta)，其中 rho 是從原點到直線的距離，而 theta 是直線的角度。theta 的範圍通常被設置為 [0, 180] 度，這是因為直線的表示是對稱的，也就是說，同一條直線的兩個方向都被考慮到，角度的範圍因此被限制在 [0, 180] 度。

程式範例

import cv2
import numpy as np

#旋轉圖片用    
def rotate_image(image, angle): 
    # 取得影像中心點坐標
    center = tuple(np.array(image.shape[1::-1]) / 2)
    # 設定旋轉矩陣
    rotation_matrix = cv2.getRotationMatrix2D(center, angle, 1.0)
    # 進行影像旋轉
    rotated_image = cv2.warpAffine(image, rotation_matrix, image.shape[1::-1], flags=cv2.INTER_LINEAR)
    return rotated_image
    
#算出旋轉角度並轉正
​def calculate_rotation_angle(image_path):

    # 讀取圖片
    image = cv2.imread(image_path)
    height, width = image.shape[:2]
    
    # 將圖片轉換為灰度
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
    # 使用霍夫直線變換檢測直線
    edges = cv2.Canny(gray, 100, 250, apertureSize=3)
    lines = cv2.HoughLines(edges, 1, np.pi / 180, threshold=120)
    
    #存圖分析用
    edges_img = cv2.cvtColor(edges, cv2.COLOR_GRAY2BGR)
    image_view = image.copy()
    
    # 計算直線的平均角度
    angles_horizontal = []
    angles_vertical = []

    for i , line in enumerate(lines):
        print(f'line :{line}')
        rho, theta = line[0]
        angle = theta * 180 / np.pi
        
        # 分類橫向和垂直直線
        if 50 <= angle <= 130:  # 橫向直線
            angles_horizontal.append(angle)
        elif 150 <= angle <= 190:  # 垂直直線
            angles_vertical.append(angle)
        elif 0 <= angle <= 30: # 垂直直線
            angle += 180
            angles_vertical.append(angle)
        print(angle)
        
        line_length = max(height, width)        # 畫出檢測到的直線
        a = np.cos(theta)
        b = np.sin(theta)
        x0 = a * rho
        y0 = b * rho
        x1 = int(x0 + line_length * (-b))
        y1 = int(y0 + line_length * (a))
        x2 = int(x0 - line_length * (-b))
        y2 = int(y0 - line_length * (a))
        cv2.line(image_view, (x1, y1), (x2, y2), (0, 0, 255), 1)

    #平均計算橫向與垂直直線
    if angles_horizontal:
        average_angle_horizontal = np.mean(angles_horizontal)
    else:#假設沒偵測到指定數值
        average_angle_horizontal = 90
    if angles_vertical:
        average_angle_vertical = np.mean(angles_vertical)
    else:#假設沒偵測到指定數值
        average_angle_vertical = 180

    # 顯示包含檢測到的直線的圖片
    cv2.imshow('Detected_Lines', image_view)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    print(f"橫向直線的平均角度：{average_angle_horizontal} 度")
    print(f"垂直直線的平均角度：{average_angle_vertical} 度")

    # 算出相對應旋轉角度
    angle_horizontal = 90 - average_angle_horizontal
    angle_vertical = 180 - average_angle_vertical

    # 計算平均角度
    average_angle = np.mean([angle_horizontal, angle_vertical])
    print(f'旋轉角度 : {average_angle}')
    
    # 轉正
    rotate = rotate_image(image, -average_angle)
    
    # 顯示包含檢測到的直線的圖片
    cv2.imshow('result Image', rotate)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
   
    
# 替換成你的圖片路徑
image_path = 'D:/CRABpy/Rotation/test2.png'
calculate_rotation_angle(image_path)

霍夫直線角度分析

一條直線的兩個方向都被考慮到，就容易混淆到底算出來的直線角度是哪個方向。

以下利用不同旋轉角度的物體，來記錄不同的直線角度。

霍夫偵測角度表

最後根據上面三個圖得到以下角度表，根據這角度表在來設定分類橫向與垂直直線的角度。

角度表

右半邊為0至90

但我實際在測試時有跑出過183度，雖然文件寫說偵測的出的直線角度範圍為[0,180]

左半邊為180至90

以上為我實際應用的心得總結，不保證說明的內容完全正確，但實際上可以應用物體轉正，若有錯誤在留言讓我知道，謝謝:)