基于Matlab的霍夫直线检测问题的解决

做直线检测这块的,肯定绕不开霍夫,百度上也是各种各样有关霍夫的教程详解什么的,但是个人感觉好多人都没有把霍夫吃透理清。纯粹是为了使用霍夫而强行使用罢了。对大牛们还说,可能这不算什么,但是对入门小白还说,难免会有各种各样的问题。


比如在参数选取上面的一些问题,可能导致难以让人满意的结果。比如一些语句的错误使用可能导致程序直接无法运行。


就最近在直线检测问题上遇到的一些问题,我写下这篇博客,希望可以给将来入门的萌新一点小小的帮助。


1.霍夫直线检测的参数选取问题

先贴上一段代码:

clc
src=imread('1.jpg');
figure(33),imshow(src);

src=rgb2gray(src);
thresh=[0.01,0.17];
sigma=5;    %%%%%定义高斯参数
f=edge(double(src),'canny',thresh,sigma);
figure(1),imshow(f,[]);
title('canny 边缘检测');


[H,theta,rho]=hough(f,'RhoResolution',0.1);
%imshow(theta,rho,H,[],'notruesize'),axis on,axis normal
%xlabel('\theta'),ylabel('rho');


peak=houghpeaks(H,9);
hold on

lines=houghlines(f,theta,rho,peak);
figure,imshow(f,[]),title('Hough Transform Detect Result'),hold on
imshow(src);
hold on
for k=1:length(lines)
    xy=[lines(k).point1;lines(k).point2];
    plot(xy(:,1),xy(:,2),'LineWidth',2,'Color',[0 0 1 ]);
end
 

这段代码,是用来检测十分简单的图片的,纯粹是我用来检测霍夫性能的代码

待检测图片:


就是简单的矩形图

刚开始检测的结果是这样的


canny边缘检测图毫无问题,但是使用霍夫检测之后就出现了巨大的问题。当时我在想可能霍夫函数的参数设置,没设置好,导致的。然后我更改了hough函数中的RhoResolution和ThetaResolution两个变量。但是显示效果还是不好。


我在这个卡了好久,一直想不通哪儿出了问题。后来甚至想着是不是hough函数使用不对。最后干脆一了百了,改了所有参数,包括canny检测函数的参数。最终真相大白!


原来是canny边缘检测函数的参数设置影响了最终的直线检测效果!


后来思索了一下,hough直线检测是建立在边缘检测的基础上的,如果你的基础边缘检测不行,直线检测肯定也不行。


这里面存在的一个大坑就是边缘检测的图线,人眼看上去没太大问题,但是对hough函数来说可能是致命的。

附上最终的检测效果图:


  • 2
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
import cv2 as cv import numpy as np #直线检测 #使用霍夫直线变换做直线检测,前提条件:边缘检测已经完成 #标准霍夫线变换 def line_detection(image): gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY) edges = cv.Canny(gray, 50, 150) #apertureSize参数默认其实就是3 cv.imshow("edges", edges) #cv.HoughLines参数设置:参数1,灰度图像;参数二,以像素为单位的距离精度(一般都是1,进度高,但是速度会慢一点) #参数三,以弧度为单位的角度精度(一般是1rad);参数四,阈值,大于阈值threshold的线段才可以被检测通过并返回到结果中 #该函数返回值为rho与theta lines = cv.HoughLines(edges, 1, np.pi/180, 200) for line in lines: rho, theta = line[0] #line[0]存储的是点到直线的极径和极角,其中极角是弧度表示的。 a = np.cos(theta) #theta是弧度 b = np.sin(theta) x0 = a * rho #代表x = r * cos(theta) y0 = b * rho #代表y = r * sin(theta) x1 = int(x0 + 1000 * (-b)) #计算直线起点横坐标 y1 = int(y0 + 1000 * a) #计算起始起点纵坐标 x2 = int(x0 - 1000 * (-b)) #计算直线终点横坐标 y2 = int(y0 - 1000 * a) #计算直线终点纵坐标 注:这里的数值1000给出了画出的线段长度范围大小,数值越小,画出的线段越短,数值越大,画出的线段越长 cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2) #点的坐标必须是元组,不能是列表。 cv.imshow("image-lines", image) #统计概率霍夫线变换 def line_detect_possible_demo(image): gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY) edges = cv.Canny(gray, 50, 150, apertureSize=3) # apertureSize参数默认其实就是3 lines = cv.HoughLinesP(edges, 1, np.pi / 180, 60, minLineLength=60, maxLineGap=5) for line in lines: x1, y1, x2, y2 = line[0] cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2) cv.imshow("line_detect_possible_demo",image) src = cv.imread("E:/opencv/picture/track.jpg") print(src.shape) cv.namedWindow('input_image', cv.WINDOW_AUTOSIZE) cv.imshow('input_image', src) line_detection(src) src = cv.imread("E:/opencv/picture/track.jpg") #调用上一个函数后,会把传入的src数组改变,所以调用下一个函数时,要重新读取图片 line_detect_possible_demo(src) cv.waitKey(0) cv.destroyAllWindows() 霍夫检测直线原理: 关于hough变换,核心以及难点就是关于就是有原始空间到参数空间的变换上。以直线检测为例,假设有一条直线L,原点到该直线的垂直距离为p,垂线与x轴夹角为θθ,那么这条直线是唯一的,且直线的方程为 ρ=xcosθ+ysinθρ=xcosθ+ysinθ, 如下图所

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值