一、霍夫直线变换
PS:还是不清楚作用,后续看DIP相关章节介绍。
1. 相关理论
- 霍夫直线变换介绍
- Hough Line Transform用来做直线检测
- 前提条件 – 边缘检测已经完成
- 平面空间到极坐标空间转换
从平面坐标变换到霍夫空间(极坐标)
-
霍夫变换
- 对于任意一条直线上的所有点来说
- 变换到极坐标中,从[0~360]空间,可以得到r的大小
- 属于同一条直线上点在极坐标空(r, theta)必然在一个点上有最强的信号出现,根据此反算到平面坐标中就可以得到直线上各点的像素坐标。从而得到直线
-
相关API
HoughLines
– 一般情况是有经验的开发者使用,需要自己反变换到平面空间
cv::HoughLines( InputArray src, // 输入图像,必须8-bit的灰度图像 OutputArray lines, // 输出的极坐标来表示直线 double rho, // 生成极坐标时候的像素扫描步长 double theta, //生成极坐标时候的角度步长,一般取值CV_PI/180 int threshold, // 阈值,只有获得足够交点的极坐标点才被看成是直线 double srn=0;// 是否应用多尺度的霍夫变换,如果不是设置0表示经典霍夫变换 double stn=0;//是否应用多尺度的霍夫变换,如果不是设置0表示经典霍夫变换 double min_theta=0; // 表示角度扫描范围 0 ~180之间, 默认即可 double max_theta=CV_PI ) // 一般情况是有经验的开发者使用,需要自己反变换到平面空间
HoughLinesP
– 推荐使用
cv::HoughLinesP( InputArray src, // 输入图像,必须8-bit的灰度图像 OutputArray lines, // 输出的极坐标来表示直线 double rho, // 生成极坐标时候的像素扫描步长 double theta, //生成极坐标时候的角度步长,一般取值CV_PI/180 int threshold, // 阈值,只有获得足够交点的极坐标点才被看成是直线 double minLineLength=0;// 最小直线长度 double maxLineGap=0;// 最大间隔 )
2. 代码 & 运行效果
#include <iostream>
#include <string>
#include <vector>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/types_c.h>
using namespace std;
using namespace cv;
#ifndef P20
#define P20 20
#endif
int main() {
std::string path = "../color_line.JPG";
cv::Mat img = cv::imread(path, 5);
string str_input = "input image";
string str_output = "output image";
if(img.empty())
{
std::cout << "open file failed" << std::endl;
return -1;
}
#if P20 //霍夫变换
Mat gray_src, dest;
cvtColor(img,gray_src, COLOR_BGR2GRAY);
Canny(gray_src,dest, 100, 200);
vector<Vec4f> plines;
HoughLinesP(dest, plines, 1, CV_PI/180.0, 10, 0, 10);
for (size_t i = 0; i < plines.size(); ++i)
{
Vec4f h1 = plines[i];
line(dest, Point(h1[1],h1[2]), Point(h1[2],h1[3]), Scalar(0,0,255), 3, LINE_AA);
}
namedWindow("final", WINDOW_AUTOSIZE);
imshow("final", dest);
#endif
cv::waitKey(0);
cv::destroyAllWindows();
return 0;
}
显示效果:
如果直线不连续,需要调整HoughLinesP;
的最后一个参数。
二、霍夫圆变换
1. 相关理论
-
霍夫圆变换
x = a + R cos ( θ ) y = b + R sin ( θ ) \begin{aligned} x &=a+R \cos (\theta) \\ y &=b+R \sin (\theta) \end{aligned} xy=a+Rcos(θ)=b+Rsin(θ)
Hough[theta][a][b]++
-
霍夫圆变换原理
- 从平面坐标到极坐标转换三个参数 C ( x 0 , y 0 , r ) C(x_0,y_0,r) C(x0,y0,r)其中 x 0 , y 0 x_0,y_0 x0,y0是圆心
- 假设平面坐标的任意一个圆上的点,转换到极坐标中: C ( x 0 , y 0 , r C(x_0, y_0, r C(x0,y0,r处有最大值,霍夫变换正是利用这个原理实现圆的检测。
-
相关API – cv::HoughCircles
-
因为霍夫圆检测对噪声比较敏感,所以首先要对图像做中值滤波。
-
基于效率考虑,Opencv中实现的霍夫变换圆检测是基于图像梯度的实现,分为两步:
-
- 检测边缘,发现可能的圆心
-
- 基于第一步的基础上从候选圆心开始计算最佳半径大小
-
-
参数说明:
HoughCircles( InputArray image, // 输入图像 ,必须是8位的单通道灰度图像 OutputArray circles, // 输出结果,发现的圆信息 Int method, // 方法 - HOUGH_GRADIENT Double dp, // dp = 1; Double mindist, // 10 最短距离-可以分辨是两个圆的,否则认为是同心圆- src_gray.rows/8 Double param1, // canny edge detection low threshold Double param2, // 中心点累加器阈值 – 候选圆心 Int minradius, // 最小半径 Int maxradius//最大半径 )
-
2. 代码 & 展示效果
完整代码:
#include <iostream>
#include <string>
#include <vector>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/types_c.h>
using namespace std;
using namespace cv;
#ifndef P21
#define P21 21
#endif
int main() {
std::string path = "../color_line.JPG";
cv::Mat img = cv::imread(path, 5);
string str_input = "input image";
string str_output = "output image";
if(img.empty())
{
std::cout << "open file failed" << std::endl;
return -1;
}
#if P21 //霍夫圆变换
Mat moutput,dest;
medianBlur(img, moutput, 3);
cvtColor(moutput,moutput, COLOR_BGR2GRAY);
#include <vector>
vector<Vec3f> pcircles;
HoughCircles(moutput, pcircles, CV_HOUGH_GRADIENT, 1, 20, 100, 30, 5, 50);
img.copyTo(dest);
for (size_t i = 0; i < pcircles.size(); ++i)
{
Vec3f cc = pcircles[i];
circle(dest, Point(cc[0],cc[1]), cc[2], Scalar(0,0,255), 3, LINE_AA);
circle(dest, Point(cc[0],cc[1]), 2, Scalar(198, 23, 155), 3, LINE_AA);
}
namedWindow("final",WINDOW_AUTOSIZE);
imshow("final", dest);
#endif
cv::waitKey(0);
cv::destroyAllWindows();
return 0;
}
效果:
中间那个圆不知道为啥没有画出来。