Python/OpenCV - 使用两种不同的Hough线方法检测网球场中的线 - 得到不同的结果

5 投票

1 回答

11270 浏览

数据工程师

提问于 2025-04-18 09:15

我正在尝试使用openCV和霍夫变换来检测网球场上的线条。我想找到水平和垂直的线条，以便找到交点，最终检测出网球场的角落。

这是原始图像。

但是我遇到了一些问题。

1) 我尝试使用HoughLineP。这里是代码：

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

edges = cv2.Canny(gray,100,200,apertureSize = 3)
lines = cv2.HoughLinesP(edges, 1, np.pi/2, 6, None, 50, 10);
for line in lines[0]:
    pt1 = (line[0],line[1])
    pt2 = (line[2],line[3])
    cv2.line(img, pt1, pt2, (0,0,255), 2)
cv2.imshow('dst',img)

return res

这是结果：

HoughLineP的结果

2) 我尝试使用HoughLines。这里是代码：

gray=cv2.cvtColor(res,cv2.COLOR_BGR2GRAY)

edges = cv2.Canny(gray,100,200,apertureSize = 3)


#Lignes
lines = cv2.HoughLines(edges,1,np.pi/70,110)
for rho,theta in lines[0]:
    if (np.pi/70 <= theta <= np.pi/7) or (2.056 < theta < 4.970) or (1.570 <= theta <= 1.600): #(2,6 <=theta <= 26) or (theta >118 and theta <= 285)

        a = np.cos(theta)
        b = np.sin(theta)
        x0 = a*rho
        y0 = b*rho
        x1 = int(x0 + 1000*(-b))
        y1 = int(y0 + 1000*(a))

        x2 = int(x0 - 1000*(-b))
        y2 = int(y0 - 1000*(a))

        cv2.line(res,(x1,y1),(x2,y2),(0,0,255),1)

这是结果：

HoughLine的结果

在第一种情况下，我只得到了很少的线条，我考虑过延长它们，但没有找到合适的方法……我尝试使用fitLine，但它只适用于找轮廓（findContours方法在这个图像上效果很差）。

在第二种情况下，效果不错，但我得到了很多几乎相同的线条，而在右下角，我没有任何交点来检测角落……

也许我走错了方向……

你们有什么想法或者可以尝试的东西吗？最后，我只想关注与网球场相关的兴趣点。

附注：我做了一个方法来计算水平线和垂直线之间的交点。

非常感谢，

opencv image processing hough transform houghlines line detection tennis court intersection points houghlinep

1 个回答

看起来HougLines的输出包含了你想要的线条。你只需要把那些异常值过滤掉。

为此，你可以使用一个网球场的模型。你知道的事情包括：

场地的外边界，用一个大矩形表示
两个通道，用两条线表示，这两条线切割矩形的两侧
发球区，用两条线表示，每个发球区都有一条平行于发球线的线和一条平行于场地边界的线

你可以尝试利用你已有的模型来过滤掉异常值。有些方法，比如RANSAC，就是为此而设计的。基本思路是随机选择一些点，计算模型，然后检查这些点是否符合数据。经过几次迭代，最合适的模型很可能就是你要找的。这是一种比较常见的方法（最早由Fischler在1986年发布），所以你可以找到很多相关的资料。下面是一个简单的算法示例，可能适合你（可能需要一些调整）：

在交点中随机选择4个点。计算透视投影P，将这些点映射到场地的俯视图。你可以使用OpenCV的getPerspectiveTransform来实现。现在你就有了场地的模型，俯视图。
因为你有了场地的模型（基于网球的规则），你可以确定其他线条的交点（比如发球线与通道线、发球区等）在俯视图中的位置。如果你对这些点应用透视变换的逆变换P^{-1}，就可以将它们转换到图像空间。
检查一致性：在图像空间中寻找与模型中线条交点最接近的交点。这里你需要一个指标：在距离小于x像素的情况下，线条交点的数量，或者SSD（平方和差）。你将使用这个指标来评估不同的模型。
评估你的模型：如果你定义的指标小于之前找到的最佳模型，那么这个就是你当前的最佳模型。
迭代。你进行的迭代次数与最终选择到一个好模型的概率直接相关。可以参考Fischler和Bolls的开创性工作，了解如何设置迭代次数。

到最后，经过多次迭代，你将找到一个最符合你数据的模型，也就是描述网球场的内点和不符合的外点。请注意，这种方法对大量异常值（超过50%）是比较稳健的，但得到好结果的机会只是统计上的（不过你可以通过调整迭代次数来设定结果的预期质量）。

希望这对你有帮助，

Ben

回答于 2025-04-18 由 Python大师

分享举报

Python/OpenCV - 使用两种不同的Hough线方法检测网球场中的线 - 得到不同的结果

1 个回答

撰写回答