深度学习处理图像：直线检测与圆检测

在计算机视觉中，轮廓检测是另一个比较重要的任务，不单是用来检测图像或者视频帧中物体的轮廓，而且还有其他操作与轮廓检测相关。这些操作中，计算多边形边界，形状逼近和计算机感 兴趣区域。这是与图像数据交互时的简单操作，因为numpy中的矩阵中的矩形区域可以使用数组切片(slice)定义。在介绍物体检测(包括人脸)和物体跟踪的概念时会大量使用这种技术。机器视觉中经常涉及到基础形状的检测，基础形状包括直线、圆和椭圆等，直线的检测是最简单的一种，可以直接提取边缘后采点进行点的直线方程拟合，要确定的参数就两个：斜率和截距。 而圆的检测跟直线类似，只是变量变成了三个参数（圆心的横纵坐标和圆半径），如果直接进行参数拟合，所需的计算量或许会成倍的增加，运算的时间与半径变化所需搜索的范围成正相关。 它的思路是： 1.找出边缘点; 2.以边缘点为圆心在原图像上找到所有圆周上的点，为可能的圆心，每个圆心位置对应的累加器加1; 3.遍历所有边缘点后，找出可能的圆心累计数最大的那个点，为真正的圆心。