【opencv 450 Image Processing】Hough Line Transform 霍夫线变换

十年一梦实验室

于 2022-03-28 13:59:44 发布

阅读量1.1k

点赞数

分类专栏： opencv 文章标签： c++ opencv 计算机视觉

本文链接：https://blog.csdn.net/cxyhjl/article/details/123793666

版权

opencv 专栏收录该内容

87 篇文章 12 订阅

订阅专栏

霍夫变换(Hough Line Transform)-直线检测

(2条消息) 霍夫变换(Hough Line Transform)-直线检测_zzyczzyc的博客-CSDN博客_hough line transform

Goal

在本教程中，您将学习如何：

使用 OpenCV 函数 HoughLines() 和 HoughLinesP() 检测图像中的线条

Theory

笔记

下面的解释属于 Bradski 和 Kaehler 的《Learning OpenCV》一书。

Hough Line Transform

1. 霍夫线变换是一种用于检测直线的变换。
2. 为了应用变换，首先需要进行边缘检测预处理。

The Hough Line Transform is a transform used to detect straight lines.

To apply the Transform, first an edge detection pre-processing is desirable.

How does it work?

如您所知，图像空间中的一条线可以用两个变量表示。例如：

在Cartesian coordinate system笛卡尔坐标系中：参数：(m,b)。

在Polar coordinate system极坐标系中：参数：(r,θ)

对于霍夫变换，我们将在 Polar 系统中表达直线。因此，直线方程可以写成：

Arranging the terms: r=xcosθ+ysinθ

1. 一般来说，对于每个点 (x0,y0)，我们可以将通过该点的线族定义为

这意味着每一对 (rθ,θ) 表示经过 (x0,y0) 的每一条线

2. 如果对于给定的 (x0,y0) 我们绘制穿过它的线族，我们得到一个正弦曲线sinusoid。例如，对于 x0=8 和 y0=6，我们得到以下图（在平面 θ - r 中）：

我们只考虑 r>0 和 0<θ<2π 的点

3. 我们可以对图像中的所有点进行上述相同的操作。如果两个不同点的曲线在平面 θ - r 中相交，这意味着两个点属于同一条直线。例如，按照上面的示例并绘制另外两个点的图：x1=4，y1=9 和 x2=12，y2=3，我们得到：

这三个图在一个点 (0.925,9.6) 相交，这些坐标是参数 (θ,r) 或 (x0,y0)、(x1,y1) 和 (x2,y2) 所在的线。

4. 上面所有的东西是什么意思？这意味着一般情况下，可以通过查找曲线之间的交点数来检测一条线。相交的曲线越多，意味着该交点所代表的线的点越多。一般来说，我们可以定义检测一条线所需的最小交叉点数的阈值。

5. 这就是霍夫线变换的作用。它跟踪图像中每个点的曲线之间的交点。如果交叉点的数量高于某个阈值，则将其声明为具有交叉点参数 (θ,rθ) 的线。

Standard and Probabilistic Hough Line Transform

标准和概率霍夫线变换

OpenCV 实现了两种霍夫线变换：

a. The Standard Hough Transform

它几乎包含我们在上一节中刚刚解释的内容。它为您提供了一个配对向量 (θ,rθ)

在 OpenCV 中，它是用函数 HoughLines() 实现的

b. The Probabilistic Hough Line Transform

霍夫线变换的更有效实现。它将检测到的线的极值作为输出 (x0,y0,x1,y1)

在 OpenCV 中，它是用函数 HoughLinesP() 实现的

A more efficient implementation of the Hough Line Transform. It gives as output the extremes of the detected lines (x0,y0,x1,y1)

What does this program do?

加载图像

应用标准霍夫线变换和概率线变换。

在三个窗口中显示原始图像和检测到的线。

Code

我们将解释的示例代码可以从这里raw.githubusercontent.com下载。可以在此处raw.githubusercontent.com找到一个稍微花哨的版本（显示 Hough 标准和带有用于更改阈值的滑动条的概率）。

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
// Declare the output variables
Mat dst, cdst, cdstP;
const char* default_file = "sudoku.png";
const char* filename = argc >=2 ? argv[1] : default_file;
// Loads an image
Mat src = imread( samples::findFile( filename ), IMREAD_GRAYSCALE );
// Check if image is loaded fine
if(src.empty()){
printf(" Error opening image\n");
printf(" Program Arguments: [image_name -- default %s] \n", default_file);
return -1;
}
// Edge detection
Canny(src, dst, 50, 200, 3);
// Copy edges to the images that will display the results in BGR
cvtColor(dst, cdst, COLOR_GRAY2BGR);
cdstP = cdst.clone();
// Standard Hough Line Transform
vector<Vec2f> lines; // will hold the results of the detection
HoughLines(dst, lines, 1, CV_PI/180, 150, 0, 0 ); // runs the actual detection
// Draw the lines
for( size_t i = 0; i < lines.size(); i++ )
{
float rho = lines[i][0], theta = lines[i][1];
Point pt1, pt2;
double a = cos(theta), b = sin(theta);
double x0 = a*rho, y0 = b*rho;
pt1.x = cvRound(x0 + 1000*(-b));
pt1.y = cvRound(y0 + 1000*(a));
pt2.x = cvRound(x0 - 1000*(-b));
pt2.y = cvRound(y0 - 1000*(a));
line( cdst, pt1, pt2, Scalar(0,0,255), 3, LINE_AA);
}
// Probabilistic Line Transform
vector<Vec4i> linesP; // will hold the results of the detection
HoughLinesP(dst, linesP, 1, CV_PI/180, 50, 50, 10 ); // runs the actual detection
// Draw the lines
for( size_t i = 0; i < linesP.size(); i++ )
{
Vec4i l = linesP[i];
line( cdstP, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, LINE_AA);
}
// Show results
imshow("Source", src);
imshow("Detected Lines (in red) - Standard Hough Line Transform", cdst);
imshow("Detected Lines (in red) - Probabilistic Line Transform", cdstP);
// Wait and Exit
waitKey();
return 0;
}

Explanation

Load an image:

const char* default_file = "sudoku.png";
const char* filename = argc >=2 ? argv[1] : default_file;
// Loads an image
Mat src = imread( samples::findFile( filename ), IMREAD_GRAYSCALE );
// Check if image is loaded fine
if(src.empty()){
printf(" Error opening image\n");
printf(" Program Arguments: [image_name -- default %s] \n", default_file);
return -1;
}

Detect the edges of the image by using a Canny detector:

// Edge detection
Canny(src, dst, 50, 200, 3);

现在我们将应用霍夫线变换。我们将解释如何使用这两个可用的 OpenCV 函数。

Standard Hough Line Transform:

首先，您应用变换：
// Standard Hough Line Transform
vector<Vec2f> lines; //将保存检测结果
HoughLines(dst, lines, 1, CV_PI/180, 150, 0, 0 ); // runs the actual detection

具有以下参数：

dst：边缘检测器的输出。应该是灰度图（虽然实际上是二值图）

lines：将存储检测到的线的参数（r，θ）的向量

rho ：参数 r 的分辨率（以像素为单位）。我们使用 1 个像素。

theta：以弧度为单位的参数 θ 的分辨率。我们使用 1 度 (CV_PI/180)

threshold：“*detect*”一条线的最小交叉点数

srn 和 stn：默认参数为零。查看 OpenCV 参考以获取更多信息。

然后通过绘制线条来显示结果。

// Draw the lines
for( size_t i = 0; i < lines.size(); i++ )
{
float rho = lines[i][0], theta = lines[i][1];
Point pt1, pt2;
double a = cos(theta), b = sin(theta);//直线向量的法向量，过原点
//直线的向量应该为 (–b,a)
double x0 = a*rho, y0 = b*rho;//计算原点在直线上垂直点的坐标
pt1.x = cvRound(x0 + 1000*(-b));//垂足向一个方向沿伸1000
pt1.y = cvRound(y0 + 1000*(a));
pt2.x = cvRound(x0 - 1000*(-b));//垂足向另一个方向沿伸1000
pt2.y = cvRound(y0 - 1000*(a));
line( cdst, pt1, pt2, Scalar(0,0,255), 3, LINE_AA);//绘制直线

Probabilistic Hough Line Transform

概率霍夫线变换

首先应用转换：

// Probabilistic Line Transform
vector<Vec4i> linesP; // will hold the results of the detection
HoughLinesP(dst, linesP, 1, CV_PI/180, 50, 50, 10 ); // runs the actual detection

参数：

dst：边缘检测器的输出。应该是灰度图（虽然实际上是二值图）

lines：将存储检测到的line的参数（xstart，ystart，xend，yend）的向量

rho ：参数 r 的分辨率（以像素为单位）。我们使用 1 个像素。

theta：以弧度为单位的参数 θ 的分辨率。我们使用 1 度 (CV_PI/180)

threshold：“*detect*”一条线的最小交叉点数

minLineLength：可以形成一条线的最小点数。点数少于此数量的线将被忽略。

maxLineGap：在同一条线上要考虑的两点之间的最大间隙。

然后通过绘制线条来显示结果。

// Draw the lines
for( size_t i = 0; i < linesP.size(); i++ )
{
Vec4i l = linesP[i];
line( cdstP, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, LINE_AA);
}

Display the original image and the detected lines:

// Show results
imshow("Source", src);
imshow("Detected Lines (in red) - Standard Hough Line Transform", cdst);
imshow("Detected Lines (in red) - Probabilistic Line Transform", cdstP);

Wait until the user exits the program